如何将PDF文件转换为包含页码的TXT文件？

方法一：Python脚本自定义格式 #

用pdfplumber库可以精准提取每页文本并插入自定义格式的页码，步骤如下：

1. 安装依赖库：pip install pdfplumber
2. 复制下面的代码，替换成你的PDF路径和输出TXT路径后运行：

import pdfplumber

def pdf_to_text_with_pages(input_pdf, output_txt):
    with open(output_txt, 'w', encoding='utf-8') as txt_file:
        with pdfplumber.open(input_pdf) as pdf:
            for page_num, page in enumerate(pdf.pages, start=1):
                # 每页开头添加页码标记，格式可以自己改
                txt_file.write(f"=== 第 {page_num} 页 ===\n")
                # 提取当前页文本并写入
                page_text = page.extract_text()
                if page_text:
                    txt_file.write(page_text + "\n\n")

# 替换成你的文件路径
pdf_to_text_with_pages("source.pdf", "output_with_pages.txt")

脚本会在每一页内容的开头插入清晰的页码标识，你可以根据需求修改标记的格式，比如改成“Page X”或者其他样式。

方法二：命令行快速批量处理 #

用Poppler工具集的pdftotext配合awk命令，能快速给输出文本加上页码：

1. 先安装Poppler工具：
   • Linux系统：执行sudo apt install poppler-utils
   • Mac系统：用Homebrew安装brew install poppler
   • Windows系统：下载Poppler二进制包，解压后把bin目录添加到系统环境变量
2. 运行下面的命令（替换成你的PDF文件名和输出文件名）：

pdftotext -layout source.pdf temp.txt && awk 'BEGIN{page=1} /^$/{page++; next} {if (NR==1) print "--- 第 " page " 页 ---"; print}' temp.txt > output_with_pages.txt && rm temp.txt

-layout参数会保留PDF原有的排版格式，awk脚本会自动识别分页符，在每页开头插入页码标记，处理完成后会自动清理临时文件。

方法三：Adobe Acrobat可视化导出 #

如果有Adobe Acrobat的使用权限，直接通过软件可视化操作：

1. 打开需要转换的PDF文件，点击「文件」->「导出到」->「文本」
2. 在导出设置界面中，找到并勾选「包含页码」选项（不同版本的设置位置可能略有不同）
3. 选择保存路径，确认导出即可生成带页码的TXT文件。

内容的提问来源于stack exchange，提问作者Billy