PDF文字内容提取工具：批量提取PDF文字内容、逐页预览、一键导出TXT文本

🖥️ 运行效果

🚀 实例简介

本工具是一个基于Python和Tkinter开发的PDF文字内容提取桌面应用。

🚀 核心功能：
• 支持批量选择多个PDF文件
• 逐页提取文字内容，支持中文PDF
• 左右分栏界面：文件列表 + 内容预览
• 一键导出为TXT文本文件
• 基于pdfplumber库，提取准确率高

💡 适用场景：
• 从PDF文档中提取文字用于编辑
• 批量处理多个PDF文件的文字内容
• 将PDF资料转换为可搜索的TXT格式
• 学术论文、报告、合同等文档的文字提取

💻 核心代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
PDF文字内容提取工具
功能：选择PDF文件，提取每页文字内容，预览并导出为TXT文件
依赖：pdfplumber, tkinter
"""

import tkinter as tk
from tkinter import ttk, filedialog, messagebox, scrolledtext
import pdfplumber
import os
import platform
import threading

# 中文字体配置（Linux用文泉驿，Windows用微软雅黑）
CHINESE_FONT = "WenQuanYi Zen Hei" if platform.system() == "Linux" else "Microsoft YaHei"


class PDFTextExtractorApp:
    """PDF文字内容提取工具主窗口"""

    def __init__(self, root):
        self.root = root
        self.root.title("PDF文字内容提取工具")
        self.root.geometry("900x650")
        self.root.configure(bg="#f0f0f0")

        # 存储已选择的PDF文件路径
        self.pdf_files = []
        # 存储提取结果 {文件名: {页码: 文本}}
        self.extracted_data = {}

        self._build_ui()

    def _build_ui(self):
        """构建界面"""
        # 标题
        title_frame = tk.Frame(self.root, bg="#2196F3", height=50)
        title_frame.pack(fill=tk.X)
        title_frame.pack_propagate(False)
        tk.Label(
            title_frame, text="📄 PDF文字内容提取工具",
            font=(CHINESE_FONT, 18, "bold"), bg="#2196F3", fg="white"
        ).pack(pady=10)

        # 按钮区域
        btn_frame = tk.Frame(self.root, bg="#f0f0f0")
        btn_frame.pack(fill=tk.X, padx=10, pady=5)

        tk.Button(
            btn_frame, text="📂 选择PDF文件", font=(CHINESE_FONT, 11),
            bg="#4CAF50", fg="white", relief=tk.FLAT, padx=10,
            command=self.select_files
        ).pack(side=tk.LEFT, padx=5)

        tk.Button(
            btn_frame, text="🔍 开始提取", font=(CHINESE_FONT, 11),
            bg="#FF9800", fg="white", relief=tk.FLAT, padx=10,
            command=self.start_extract
        ).pack(side=tk.LEFT, padx=5)

        tk.Button(
            btn_frame, text="💾 导出为TXT", font=(CHINESE_FONT, 11),
            bg="#9C27B0", fg="white", relief=tk.FLAT, padx=10,
            command=self.export_txt
        ).pack(side=tk.LEFT, padx=5)

        tk.Button(
            btn_frame, text="🗑️ 清空", font=(CHINESE_FONT, 11),
            bg="#f44336", fg="white", relief=tk.FLAT, padx=10,
            command=self.clear_all
        ).pack(side=tk.LEFT, padx=5)

        # 文件列表区域（左侧）
        list_frame = tk.LabelFrame(
            self.root, text="PDF文件列表", font=(CHINESE_FONT, 11, "bold"),
            bg="#f0f0f0", padx=5, pady=5
        )
        list_frame.pack(fill=tk.BOTH, expand=True, padx=10, pady=5, side=tk.LEFT)

💡 适用场景

• 从PDF文档中提取文字用于编辑
• 批量处理多个PDF文件的文字内容
• 将PDF资料转换为可搜索的TXT格式
• 学术论文、报告、合同等文档的文字提取