(1) 文件夹组织如下:

root------- src                             #-  用于存放待转换pdf文件;  解决了文件名带空格的难题;

         |

         |----  result                      #-  存放转换后的text文件, 文件名与pdf文件名相同;

         |

         |----  PDFMiner                    #-  保留着转换pdf的Python脚本; 这个需要安装在你的

         |                                  #   computer中, 安装方法:  python setup.py install

         |---- pdf2txt.bat                  #-  批处理文件, 用于遍历 .\src 目录下的所有pdf文件,          |                                  #   并转换为text文件,存放于result中

         |---- tempdir.txt                  #- src中pdf文件(含路径) 每行以";"结束.{自动生成\删除}

(2) 用法:

  Step 1: [可选] 首先确保你已经安装了python 2.7或以上版本, 安装PDFMiner,记住安装的路径

  Step 2: [可选] 修改pdf2txt.bat文件中:          set tool.path=C:\PDFMiner\tools

                          确保后面路径下能找到 pdf2txt.py 文件

  Step 3: [必要] 将需要转换的pdf文件 ( 可以在子文件夹内) copy 到 root\src 目录下

  Step 4: [必要] 运行 pdf2txt.bat

  Step 5: [必要] 坐下喝杯茶, .... 一个小时后 .... 看 result.  (小心电脑太烫!!!)

@echo off

rem ********************************************************************************

rem * step 1:  set  pdf path        --- pdf.path                                   *

rem *          set destenation path --- dst.path   // save the text file           *

rem *          set toolpath path    --- tool.path  // tools path                   *

rem *          set file exetend     --- extend     // search file                  *

rem *          delete old file "tempdir.txt"  all searched file (*.extend)         *

rem *                                                                              *

rem * step 2:  search all files which extend is %extend% in %src.path%             *

rem *          and its sub-folders by using command "for" with options             *

rem *          "/r", then save the filename to text file "tempdir.txt"             *

rem *          with full path                                                      *

rem *                                                                              *

rem * step 3:  call python program to translate pdf files to text file             *

rem *          and save them to the folder (%dst.path%) with same file             *

rem *          name.                                                               *

rem * Created by Juking  at 2013-7-13,                                             *

rem ********************************************************************************              

rem Step 1: set the globle variables.

set pdf.path=.\PDF

set dst.path=.\Result

set tool.path=C:\PDFMiner\tools

set extend=pdf

del tempdir.txt

rem Step 2:  search files ,save these file name in tempdir.txt   ,

rem use notation ";" for delims=; in step 3. 

for /r "%pdf.path%" %%a in (*.%extend%) do (

   echo %%a; >> tempdir.txt

  )

  

rem Step 3:  pdf to text, save to %dst.path% 

for /f  "delims=;" %%i in (.\tempdir.txt) do (       

   rem step 3.1: cut off the path string, shortname equals to filename without exetend( i.e. ".pdf").

   echo %%i

   set shortname=%%~ni

   

   rem step 3.2: call python file to translate pdf to txt

   python %tool.path%\pdf2txt.py "%%i" > %dst.path%\%%~ni.txt

   )