如何将从PDF提取的数据保存至Word文档？

• 安装所需依赖库：

  pip install python-docx
  

• 修改原有代码，实现直接写入Word文档：

  from PyPDF2 import PdfReader
  from docx import Document
  
  # 初始化Word文档对象
  doc = Document()
  
  reader = PdfReader(r'C:\Users\felip\Downloads\Edital 274 2022 Estágio Direito.pdf')
  total_pages = len(reader.pages)
  
  for page_num in range(total_pages):
      page = reader.pages[page_num]
      extracted_text = page.extract_text()
      # 将每页提取的文本添加为Word段落
      doc.add_paragraph(extracted_text)
      # 可选：在除最后一页外的每页末尾添加分页符，匹配PDF分页结构
      if page_num != total_pages - 1:
          doc.add_page_break()
  
  # 保存生成的Word文档
  doc.save('PDF提取内容.docx')
  

• 关键说明：

  • 该方案无需通过Excel或记事本中转，直接将PDF提取的文本写入Word文档
  • 保留PDF分页结构的需求可通过add_page_break()实现，不需要可删除对应代码行
  • 可修改save()方法的参数指定文档保存路径，例如doc.save(r'C:\Users\felip\Documents\提取结果.docx')

内容的提问来源于stack exchange，提问作者Felipe