< 返回技术文档列表

如何利用Python代码批量将PDF文件转为Word格式

发布时间:2021-11-07 03:01:07

本篇文章给大家分享的是有关如何利用Python代码批量将PDF文件转为Word格式,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。

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”

倒霉,2M的PDF12点也完不了啊!

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,菜鸟分析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)

一、前期准备工作

说明:菜鸟分析是在Windows7下使用python***的3.6版本

1.安装pdfminer3k模块

安装anaconda后,直接可以通过pip安装

如何利用Python代码批量将PDF文件转为Word格式

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。

如何利用Python代码批量将PDF文件转为Word格式

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

如何利用Python代码批量将PDF文件转为Word格式

构造文档对象

如何利用Python代码批量将PDF文件转为Word格式

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:

如何利用Python代码批量将PDF文件转为Word格式

如何利用Python代码批量将PDF文件转为Word格式

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:

如何利用Python代码批量将PDF文件转为Word格式

结束:对于Python批量PDF转Word的操作介绍就到此。

以上就是如何利用Python代码批量将PDF文件转为Word格式,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注血鸟云行业资讯频道。


/template/Home/Zkeys/PC/Static