Python-Pdf转Markdown

使用pdfminer.six+markdownify

  • pdfminer.six可以提取Pdf文本内容
  • markdownify可以将文本内容写markdown文件
安装
复制代码
pip install pdfminer.six 
pip install markdownify
实现
复制代码
from pdfminer.high_level import extract_text
from markdownify import markdownify

def pdf2markdown(pdf_path):
    # 提取 PDF 文本
    raw_text = extract_text(pdf_path)
    # 将原始文本转换为 Markdown 格式
    markdown_text = markdownify(raw_text)
    return markdown_text

data = pdf_to_markdown("./22.pdf")
file = open('./example.md', 'w',  encoding='utf-8')
# 写入字符串到文件
file.write(data)
# 关闭文件
file.close()
相关推荐
翼帆6 分钟前
我用 AI 复刻了 CodeTank,重温代码坦克
前端·javascript·开源·ai编程·游戏开发·codetank
有趣的老凌8 分钟前
学习MarkDown笔记
前端
掘金者阿豪25 分钟前
数据库选型到底应该看什么?从业务需求到技术架构的实践分析
前端·后端
用户019027581611 小时前
AlphaFeed 查不到代码返回空?非法/缺后缀 symbol 的行为与处理
python
isfox1 小时前
Python 单元测试:别再用 print 调试了,写个测试一劳永逸
python
用户298698530141 小时前
在 Python 中把 Word 文档转换为 JSON 的三种实现方式
python·json·api
徐小夕1 小时前
万字拆解:零向量库、无模型微调,SAG2 凭什么刷新多跳问答 SOTA
前端·vue.js·github
用户0332126663672 小时前
使用 Python 删除 Excel 中的空白行或空白列
python·excel
黑土豆2 小时前
用 drawink 给业务页面加一层画板:从网页批注到无限板书
前端·javascript·github
databook2 小时前
时间序列特征,哪些当时就能算出来
python·数据分析