Python改写TXT文件：指定位置换行及PDF转TXT工具推荐

一、在特定位置插入换行的最简Python实现 #

根据你的需求，我们需要匹配**金额（xx.xx或带千分位逗号的xxx,xxx.xx格式）后面紧跟日期（如17 Apr）**的场景，然后在两者之间插入换行。用正则表达式是最直接高效的方式，Python内置的re模块就能轻松搞定。

代码示例 #

import re

# 你的原始文本片段
raw_text = "15 Apr 20DDOPEN 100.00DDBENNON WATER SRVCS29.00DDBG BUSINESS106.00BPC BOB PETROL MINISTRY78.03BPC BARBARA STREAMING DATA30.50CRPAYPAL Z4J22FR450.00CRPAYNAL AAWDL4Z4J22222KHMG30.0019,028.4917 Apr 20CRCASH IN AT HSBC BANK"

# 正则模式：匹配金额 + 紧跟的日期开头（数字+空格+月份缩写）
# 金额支持带千分位逗号的格式，比如19,028.49
date_split_pattern = r'(\d{1,3}(?:,\d{3})*\.\d{2})(\d+ \w{3})'

# 第一步：在金额和日期之间插入换行符
formatted_text = re.sub(date_split_pattern, r'\1\n\2', raw_text)

# 可选优化：在金额和后续字母前缀（如DD、BPC）之间加空格，进一步提升可读性
space_add_pattern = r'(\d{1,3}(?:,\d{3})*\.\d{2})([A-Za-z]+)'
formatted_text = re.sub(space_add_pattern, r'\1 \2', formatted_text)

# 输出或保存处理后的文本
print(formatted_text)
# 如果要保存到文件：
# with open('formatted_bill.txt', 'w', encoding='utf-8') as f:
#     f.write(formatted_text)

代码说明 #

1. 日期换行处理：
   • 正则date_split_pattern精准匹配金额（含千分位）+ 紧跟的日期开头，替换时用\1\n\2把两者用换行分隔，解决日期和金额粘连的问题。
2. 可读性优化：
   • 额外的space_add_pattern处理金额和字母前缀粘连的情况（比如100.00DDBENNON变成100.00 DDBENNON），让交易记录的结构更清晰。

二、推荐Python PDF转TXT工具 #

如果你的银行账单是结构化的（有表格、固定排版），推荐以下工具，比直接转成杂乱TXT体验好很多：

• pdfplumber：

  • 优点：对表格、页眉页脚的提取精度极高，能保留原始排版结构，支持提取特定页面、特定区域的内容，API简单易用。
  • 安装：pip install pdfplumber
  • 适合：银行账单这类有清晰表格结构的PDF，能直接提取每一行交易记录，减少后续文本整理的工作量。

• PyPDF2：

  • 优点：轻量、入门简单，适合快速提取纯文本，无需复杂排版处理。
  • 安装：pip install PyPDF2
  • 缺点：对复杂排版的PDF提取效果一般，可能出现文本乱序、粘连的情况。

• pdfminer.six：

  • 优点：底层灵活，支持自定义文本提取规则，能处理编码复杂的PDF。
  • 安装：pip install pdfminer.six
  • 适合：需要高度定制化提取逻辑的场景，比如处理非标准格式的PDF。

如果你的银行账单是扫描版的图片PDF，需要先用OCR工具（比如pytesseract）转成可编辑文本，再用上面的方法处理。

内容的提问来源于stack exchange，提问作者tedioustortoise