PDF 转 TXT 不是万能转换，先判断文件类型再说。
一、先分清两类 PDF
文字型。 由文档软件导出，内部有文字层，可以选中、可以搜索。
扫描型。 由扫描仪或拍照生成，每一页都是一张图。
文字型直接转，扫描型要先识别。搞错类型，转换结果就是一片空白。
二、转换的几种方式
阅读器另存为文本。 最简单，适合单份文件。
在线转换工具。 批量处理方便，但涉及敏感内容时不建议上传。
脚本批量处理。 几十份文件时效率最高，可以用现成的脚本库批量提取。
三、转出来的常见问题
没有换行。 整页连成一段。转完后按句号切分，再手动分段。
乱码。 多半是字体编码问题，尝试用另一款工具重转。
表格变乱。 表格结构在纯文本里无法保留，需要表格内容就转成表格格式。
页眉页脚混入。 每页重复的页眉会插进正文，转换后统一删掉。
四、转换后的整理
删掉页眉页脚、页码、重复的空行。
按语义分段，标点统一为全角。
如果是用来做检索或统计，还要去掉多余空格，避免同一个词被切成两段。
五、什么时候不该转
需要保留版式、图表、公式的文档，不要转 TXT。
需要给别人看且要求原样的，发 PDF。
需要编辑文字内容的，转 Word 比转 TXT 更合适。
选对目标格式，比转换技巧更重要。
六、批量处理的思路
文件在十份以上时，用脚本批量提取比逐个操作省时间。
提取前统一文件名，输出结果按原名存成文本，便于对照。
跑完之后抽查三份，确认没有编码问题，再处理其余部分。
七、输出的规范
纯文本没有样式，所以要靠命名和目录来管理。
建议按「来源-日期」命名文件，放在对应项目的文件夹里。
批量提取的结果再多，也要保留原始 PDF，随时能回溯核对。