PDF转TXT ChatGPT编程

1.目的

在Z-library找到一本书，只不过是PDF格式的，看的时候体验不好，还没有办法保存记录，就想着能不能转成txt格式放到手机自带的小说软件中看。
不想去网上找相关的软件，可以还需要付钱，所以尝试用ChatGPT来实现。

2.ChatGPT编程

提示词1：

我现在有一本书，格式是PDF的，需要把它转成TXT格式的，用python实现

生成代码

import PyPDF2# 打开PDF文件
pdf_file = open('noteacher.pdf', 'rb')# 创建一个PDF文件阅读器对象
pdf_reader = PyPDF2.PdfReader(pdf_file)# 创建一个空字符串来存储文本内容
text = ''# 遍历PDF页面并提取文本
for page_num in range(len(pdf_reader.pages)):page = pdf_reader.pages[page_num]text += page.extract_text()# 关闭PDF文件
pdf_file.close()# 将提取的文本内容写入TXT文件
with open('output_text_file.txt', 'w', encoding='utf-8') as txt_file:txt_file.write(text)

在上面的代码中，您需要将your_pdf_file.pdf替换为您要转换的PDF文件的路径。执行代码后，将生成一个名为output_text_file.txt的TXT文件，其中包含从PDF中提取的文本内容。

txt效果不太好，PDF格式转变时是按照一定数目符号来进行换行，所以观看效果很割裂

提示词2：

对于生成的txt文件，需要改变换行方式，先取消txt文件的换行，之后每识别到一个。才进行换行

生成代码

import PyPDF2# 打开PDF文件
pdf_file = open('your_pdf_file.pdf', 'rb')# 创建一个PDF文件阅读器对象
pdf_reader = PyPDF2.PdfReader(pdf_file)# 创建一个空字符串来存储文本内容
text = ''# 遍历PDF页面并提取文本
for page_num in range(len(pdf_reader.pages)):page = pdf_reader.pages[page_num]text += page.extract_text()# 关闭PDF文件
pdf_file.close()# 替换所有换行符为空白字符
text = text.replace('\n', ' ')# 在每个识别到的换行符处手动添加换行符
final_text = ''
for char in text:if char == '\n':final_text += '\n'else:final_text += char# 将提取的文本内容写入TXT文件
with open('output_text_file.txt', 'w', encoding='utf-8') as txt_file:txt_file.write(final_text)

此代码将先将所有的换行符替换为空白字符，然后在每个识别到的换行符处手动添加换行符，以满足您的需求。请替换your_pdf_file.pdf为您的PDF文件路径，并执行代码以生成TXT文件。

确实把换行符都换成了空白字符，但是并没有识别出“。”，也就没办法换行了

继续改进，提示词3：

识别到句号。这个符号才进行换行

生成代码

import PyPDF2# 打开PDF文件
pdf_file = open('your_pdf_file.pdf', 'rb')# 创建一个PDF文件阅读器对象
pdf_reader = PyPDF2.PdfReader(pdf_file)# 创建一个空字符串来存储文本内容
text = ''# 遍历PDF页面并提取文本
for page_num in range(len(pdf_reader.pages)):page = pdf_reader.pages[page_num]text += page.extract_text()# 关闭PDF文件
pdf_file.close()# 替换所有换行符为空白字符
text = text.replace('\n', ' ')# 在识别到句号时添加换行符
final_text = ''
for char in text:final_text += charif char == '.':final_text += '\n'# 将提取的文本内容写入TXT文件
with open('output_text_file.txt', 'w', encoding='utf-8') as txt_file:txt_file.write(final_text)

效果同样不好，检查了一下，代码中的句号是英文的句号“.”，但是PDF中是中文的句号“。”

将英文句号改成中文句号，代码为：

import PyPDF2# 打开PDF文件
pdf_file = open('noteacher.pdf', 'rb')# 创建一个PDF文件阅读器对象
pdf_reader = PyPDF2.PdfReader(pdf_file)# 创建一个空字符串来存储文本内容
text = ''# 遍历PDF页面并提取文本
for page_num in range(len(pdf_reader.pages)):page = pdf_reader.pages[page_num]text += page.extract_text()# 关闭PDF文件
pdf_file.close()# 替换所有换行符为空白字符
text = text.replace('\n', ' ')# 在识别到句号时添加换行符
final_text = ''
for char in text:final_text += charif char == '。':final_text += '\n'# 将提取的文本内容写入TXT文件
with open('output_text_file4.txt', 'w', encoding='utf-8') as txt_file:txt_file.write(final_text)

这个看起来还行