20行Python代码教你批量将PDF文件转为Word格式

简介:
+关注继续查看

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?

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)

一、前期准备工作

说明:菜鸟分析是在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

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


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。

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy

最终显示Finished,则代表成功

二、代码实操

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

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy

构造文档对象

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy

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:

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy

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:

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


转自:https://mp.weixin.qq.com/s?__biz=MzI5NDY1MjQzNA==&mid=2247485665&idx=1&sn=0103e8336c5e6ba2c17f7ad47af478f4&chksm=ec5ed79cdb295e8a7134ec3e6f5973f579cb4b7006eef9a8bd01b2805a34227dc799e3df09d7&mpshare=1&scene=23&srcid=0225bv4tmjxvkOea47OeniD9#rd

目录
相关文章
|
9天前
|
对象存储
使用流式下载从阿里OSS获取PDF文件
使用流式下载从阿里OSS获取PDF文件
32 1
|
10天前
|
前端开发
前端实现在线预览文档(pdf、doc文件)
前端实现在线预览文档(pdf、doc文件)
|
1月前
|
数据采集 测试技术 Python
软件测试|教你用Python处理PDF文件(四)
软件测试|教你用Python处理PDF文件(四)
34 0
|
1月前
|
测试技术 Python
软件测试|教你用Python处理PDF文件(三)
软件测试|教你用Python处理PDF文件(三)
28 0
|
1月前
|
测试技术 数据安全/隐私保护 Python
软件测试|教你用Python处理PDF文件(二)
软件测试|教你用Python处理PDF文件(二)
44 0
|
1月前
|
测试技术 数据安全/隐私保护 Python
软件测试|教你用Python处理PDF文件(一)
软件测试|教你用Python处理PDF文件(一)
41 0
|
1月前
|
IDE Java 应用服务中间件
Java WebService如何生成PDF文件
在Web应用开发中,生成PDF文件是一项非常常见的需求。本文将介绍如何使用Java WebService来生成PDF文件。
28 0
|
1月前
|
前端开发
生成pdf文件并打包zip下载
使用itextpdf生成pdf文件,使用ant的org.apache.tools.zip生成zip包,并下载
|
2月前
|
数据安全/隐私保护 Python
python实现PDF加密文件解密
在网上下载的一下书籍pdf文件加密时,每次打开都需要输入密码,所以写了个小工具
54 0
|
2月前
|
Linux Windows
ceb2Pdf.exe实现ceb文件转pdf,内网离线安装wine(手动编译32位)实现在centos(linux)上运行window程序exe程序,解决wine : Z:\xxx EXE格式无效
最近项目需要实现ceb文件在线预览,之前并没见过这格式的文件,一搜发现果然不简单,这破东西还不太好弄在线预览,经过查找发现只有windows版本的cebToPdf.exe程序可以转换成pdf再进行预览,但是我们服务器是centos(内网)啊,所以就有了该篇文章。
86 0
推荐文章
更多