并非总是可以从 pdf 中提取段落，因为有时段落会被拆分为多个 pdf 框架，因此pdftotext即使实际上存在链接，也要将它们拆分为不同的段落。类似地，即使它们代表不同的信息，例如示例 pdf 中的菜单，某些帧末端也会并置。

这是使用空行将文本文件拆分为多个段落的简单方法：

def txt2paragraph(filepath):
    with open(filepath) as f:
        lines = f.readlines()

    paragraph = ''
    for line in lines:
        if line.isspace():  # is it an empty line?
            if paragraph:
                yield paragraph
                paragraph = ''
            else:
                continue
        else:
            paragraph += ' ' + line.strip()
    yield paragraph