手把手 | 20行Python代码教你批量将PDF转为Word

本文涉及的产品
云解析 DNS,旗舰版 1个月
云解析DNS,个人版 1个月
全局流量管理 GTM,标准版 1个月
简介:
+关注继续查看

在日常工作或学习中,经常会遇到这样的无奈:

“小任,你把这个PDF中的文件码出来发我”

艹,倒霉,2M的PDF12点也完不了啊!

80793d3a7d51abae3ad586fc1d85b2faed8a4a1a

很多时候在学习时发现许多文档都是PDF格式,PDF格式却不利于学习使用,因此需要将PDF转换为Word文件,但或许你从网上下载了很多软件,但只能转换前五页(如WPS等),要不就是需要收费,那有没有免费的转换软件呢?

so,我们给各位带来了一个免费简单快速的方法,手把手教你用Python批量处理PDF格式文件,获取自己想要的内容,存为word形式。

在实现PDF转Word功能之前,我们需要一个python的编写和运行环境,同时安装好相关的依赖包。 对于python环境,我们推荐使用PyCharm。 在本地电脑环境,anaconda提供了非常便利的安装和部署。

PDF转Word功能所需的依赖包如下:

  • PDFParser(文档分析器)
  • PDFDocument(文档对象)
  • PDFResourceManager(资源管理器)
  • PDFPageInterpreter(解释器)
  • PDFPageAggregator(聚合器)
  • LAParams(参数分析器)
前期准备工作

说明:本文是在Windows7下使用python最新的3.6版本

1.安装pdfminer3k模块

安装anaconda后,直接可以通过pip安装

4c72009b7c038f38b54a91854f6e0fa570a112a6

2.若安装不成功,可以试试下面方法

首先下载pdfminer3k:https://pypi.python.org/pypi/pdfminer3k;然后安装pdfminer,将下载好的pdfminer3k解压到D:或其他合适的盘符,通过win+r 打开运行窗口,输入cmd;输入D:切换到D盘,cd pdfminer3k(pdf解压的文件夹),输入setup.py install安装软件。

fd72d23c22621a4d855d5f95e1b4ed46c31df992

最终显示Finished,则代表成功

代码实操

1.导入相关包


from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.layout import LAParams
from pdfminer.converter import PDFPageAggregator

整体思路为:构造文档对象,解析文档对象,提取所需内容

5fbf163fd74d9cacb9cedfad8bd5a75b54dfaaf8

构造文档对象

c078993ad87496f300afddb783748dbbf882904e

构造解释器

2.导入需要解析的PDF文件

将所需解析的文件与执行代码放到同一个目录下,如图:

c8452d8781e2c6b911d3bb838f75427a49ae83b6

test.pdf内容


3.具体代码如下:

from pdfminer.pdfparser import PDFParser, PDFDocument

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

from pdfminer.layout import LAParams

from pdfminer.converter import PDFPageAggregator

from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
 

def parse():
 #rb以二进制读模式打开本地pdf文件

 fn = open('test.pdf','rb')

 #创建一个pdf文档分析器

 parser = PDFParser()

 #创建一个PDF文档

 doc = PDFDocument()

 #连接分析器 与文档对象

 parser.set_document()

 doc.set_parser()
 

 # 提供初始化密码doc.initialize("lianxipython")

 # 如果没有密码 就创建一个空的字符串

 doc.initialize("")

 # 检测文档是否提供txt转换,不提供就忽略
 if not doc.is_extractable:

 raise PDFTextExtractionNotAllowed
 
 else:

 #创建PDf资源管理器

 resource = PDFResourceManager()

 #创建一个PDF参数分析器

 laparams = LAParams()

 #创建聚合器,用于读取文档的对象

 device = PDFPageAggregator(resource,laparams=laparams)

 #创建解释器,对文档编码,解释成Python能够识别的格式

 interpreter = PDFPageInterpreter(resource,device)

 # 循环遍历列表,每次处理一页的内容

 # doc.get_pages() 获取page列表
 for page in doc.get_pages():

 #利用解释器的process_page()方法解析读取单独页数

 interpreter.process_page(page)

 #使用聚合器get_result()方法获取内容

 layout = device.get_result()

 #这里layout是一个LTPage对象,里面存放着这个page解析出的各种对象
 for out in layout:

 #判断是否含有get_text()方法,获取我们想要的文字
 if hasattr(out,"get_text"):

 print(out.get_text())

 with open('test.txt','a') as f:

 f.write(out.get_text()+'\n')
 
 if __name__ == '__main__':

 parse()

 

最终得到的test.txt结果如下:

447a7574d650346f999e2398bf364be34773dd6d

结束

对于Python批量PDF转Word的操作介绍就到此,本文仅仅作为一种运用库展示代码编写过程,具体技术还需要有兴趣的朋友,与我一起讨论专研,互相学习进步。


原文发布时间为:2018-02-23

本文作者:丁彦军

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

相关文章
|
1小时前
|
安全 程序员 Python
PDF转Word,1行Python代码就够了,免费用
PDF转Word,1行Python代码就够了,免费用
|
1小时前
|
Docker Python Windows
1行命令搭建自己的python服务器,docker,安装 jupyter
1行命令搭建自己的python服务器,docker,安装 jupyter
23 0
|
17天前
|
数据挖掘 数据处理 索引
python str.extract提取小数+表inner内连接后,行数多于之前
python str.extract提取小数+表inner内连接后,行数多于之前
21 0
python str.extract提取小数+表inner内连接后,行数多于之前
|
26天前
|
Python
xlwings python在excel第14行前面插入114行如何实现
xlwings python在excel第14行前面插入114行如何实现
11 0
|
2月前
|
Python
【Python】【Pandas】将符合条件行的某列数值改为负数
在此顺便记录几个常用代码写法: 1.不重复取出一列的值data[列名].unique()或者data[列名].value_counts(sort=False) 2.对取出的列值进行格式处理
16 0
|
3月前
|
程序员 Python
自动群发节日祝福,1行Python代码搞定!
自动群发节日祝福,1行Python代码搞定!
自动群发节日祝福,1行Python代码搞定!
|
3月前
|
程序员 Python
免费制作国旗头像,1行Python代码搞定,小白可用
免费制作国旗头像,1行Python代码搞定,小白可用
免费制作国旗头像,1行Python代码搞定,小白可用
|
3月前
|
Java 开发者 Python
撤回的微信消息真的看不到?78行Python代码帮你看穿一切!
撤回的微信消息真的看不到?78行Python代码帮你看穿一切!
|
3月前
|
API 数据安全/隐私保护 Python
不到 20 行 Python 代码即可制作精美证件照
不到 20 行 Python 代码即可制作精美证件照
50 1
不到 20 行 Python 代码即可制作精美证件照
|
4月前
|
程序员 数据安全/隐私保护 Python
热门文章
最新文章
推荐文章
更多