直接使用python工具解析pdf文件，可能因為格式兼容問題，導致解析出的文本幾乎不可讀。

這里嘗試使用Deepseek解析pdf文件，這里僅考慮文本，不考慮其他要素。

1 解析第一步

將pdf作為附件上傳到deepseekchat界面，輸入如下所示提示詞。

轉化為txt格式文本，需要按原文完整輸出，需要盡可能輸出，越多越好。

保存deepseek解析后的txt文本。

2 繼續解析

由于受長度限制，第一步往往不能完整解析pdf全文，需要考慮繼續解析的問題。

prompt示例如下，提示deepseek繼續輸出。

“請繼續從"3.3 現場環境衛生和衛生防疫 "開始輸出，將3章輸出完整。”

另外，還需要定義格式，這樣本次輸出格式和上次輸出格式就能保持一致。

轉化為txt格式文本，需要按原文完整輸出，需要盡可能輸出，越多越好。

請繼續從"3.3 現場環境衛生和衛生防疫 "開始輸出，將3章輸出完整。
?

格式定義如下
---
#### 3.3 現場環境衛生和衛生防疫 ?
3.3.1 建設單位、施工單位應當根據建筑垃圾減排處理和綠色施工有關規定，采取措施減少建筑垃圾的產生，對施工工地的建筑垃圾實施集中分類管理；具備條件的，對工程施工中產生的建筑垃圾進

將deepseek輸出拼接到上次解析后的txt文本。

如此，重復多次就能獲得完整的pdf轉txt后的文本，且格式規范。

reference

---

deepseek

https://chat.deepseek.com/a/chat