PDF转换为TXT

手上有一批pdf的文件大约6万份需要转成txt，尝试了很多方法。列出来供参考：

1. 利用付费软件转换

使用了迅捷PDF转换器，买了永久会员，该转换方法的好处是操作简单，缺点在于免费一次只能转5页，买了会员之后也一次只能转换200个文件，小批量文件比较适合。

2. 利用python进行转换

python转换主要利用了王树义老师提供的方法PDF批量转换，该方法基于python3中的pdfminer.six包进行提取，可以做到批量转换。但是由于我的PDF文件可能有点问题总是报错说文件格式不是PDF。也查了一些其他的转换包，好像对中文支持都不好，没有进一步尝试。

anaconda在装上pdfminer.six包之后按照王树义老师给出的代码导入包时出现ModuleNotFoundError，检查后发现以前装了pdfminer3k的包，其实两个包代码功能都差不多，但是个别模块名字有差异。如果一直出现ModuleNotFoundError，可以尝试卸载两个包后再重新按照。

3. 在linux系统中转换

实在走投无路之后，偶然在知乎上看到一个方法，并利用这种方法成功转换。

由于我使用的是windows10系统，因此首先安装了vmware以及ubuntu的虚拟机，之后在终端执行以下命令即可：

```

for f in `ls *.pdf`

do pdftotext "$f"

done 

```

以上为尝试的三种比较方便的转换方法，当然如果只是转单个文件直接右击PDF文件利用word2016以上版本打开，即可转换。