如何用Python实现PDF文字识别、提取并导出到CSV文件的脚本？

本文共计1297个文字，预计阅读时间需要6分钟。

一、前言

二、需求描述

三、开始动手

3.1 安装相关第三方包 3.2 导入所需第三方库 3.3 读取PDF文件，识别内容 3.4 对识别的数据进行处理，写入CSV文件

四、总结

一、前言

二、需求描述

三、开始动手动脑

3.1 安装相关第三方包

3.2 导入需要用到的第三方库

3.3 读取pdf文件，并识别内容

3.4 对识别的数据进行处理，写入csv文件

总结

1. 前言

扫描件一直受大众青睐，任何纸质资料在扫描之后进行存档，想使用时手机就能打开，省心省力。但是扫描件的优点也恰恰造成了它的一个缺点，因为是通过电子设备扫描，所以出来的是图像，如果想要处理文件上的内容，直接操作是无法实现的。

那要是想要引用其中的内容怎么办呢？别担心，Python帮你解决问题。

2. 需求描述

现有一份pdf扫描件，我们想把其中的文字提取出来并且分三列写入csv文档，内容及效果如下：

pdfexample

csvexample

3. 开始动手动脑

pdf扫描件是文档扫描成电脑图片格式后转化成的，提取其中的文字就相当于识别图片内的文字。所以，我们的工作就是将pdf转成图片，再用ocr工具提取图片中的文字。