如何利用Python代碼批量將PDF文件轉為Word格式

本篇文章給大家分享的是有關如何利用Python代碼批量將PDF文件轉為Word格式，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

在日常工作或學習中，經常會遇到這樣的無奈：

“小任，你把這個PDF中的文件碼出來發我”

倒霉，2M的PDF12點也完不了啊！

很多時候在學習時發現許多文檔都是PDF格式，PDF格式卻不利于學習使用，因此需要將PDF轉換為Word文件，但或許你從網上下載了很多軟件，但只能轉換前五頁（如WPS等），要不就是需要收費，那有沒有免費的轉換軟件呢？

so，菜鳥分析給各位帶來了一個免費簡單快速的方法，手把手教你用Python批量處理PDF格式文件，獲取自己想要的內容，存為word形式。

在實現PDF轉Word功能之前，我們需要一個python的編寫和運行環境，同時安裝好相關的依賴包。 對于python環境，我們推薦使用PyCharm。 在本地電腦環境，anaconda提供了非常便利的安裝和部署。

PDF轉Word功能所需的依賴包如下：

PDFParser（文檔分析器），PDFDocument（文檔對象），PDFResourceManager（資源管理器），PDFPageInterpreter（解釋器），PDFPageAggregator（聚合器），LAParams（參數分析器）

一、前期準備工作

說明：菜鳥分析是在Windows7下使用python***的3.6版本

1.安裝pdfminer3k模塊

安裝anaconda后，直接可以通過pip安裝

2.若安裝不成功，可以試試下面方法

首先下載pdfminer3k：https://pypi.python.org/pypi/pdfminer3k；然后安裝pdfminer

將下載好的pdfminer3k解壓到D:或其他合適的盤符，通過win+r 打開運行窗口，輸入cmd；

輸入D:切換到D盤，cd pdfminer3k(pdf解壓的文件夾)，輸入setup.py install安裝軟件。

最終顯示Finished，則代表成功

二、代碼實操

導入相關包

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

整體思路為：構造文檔對象，解析文檔對象，提取所需內容

構造文檔對象

構造解釋器

2.導入需要解析的PDF文件

將所需解析的文件與執行代碼放到同一個目錄下，如圖：

test.pdf內容

3.具體代碼如下：

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以二進制讀模式打開本地pdf文件      fn = open('test.pdf','rb')     #創建一個pdf文檔分析器      parser = PDFParser()      #創建一個PDF文檔      doc = PDFDocument()      #連接分析器 與文檔對象      parser.set_document()      doc.set_parser()       # 提供初始化密碼doc.initialize("lianxipython")      # 如果沒有密碼 就創建一個空的字符串      doc.initialize("")      # 檢測文檔是否提供txt轉換，不提供就忽略      if not doc.is_extractable:          raise PDFTextExtractionNotAllowed      else:          #創建PDf資源管理器          resource = PDFResourceManager()          #創建一個PDF參數分析器          laparams = LAParams()          #創建聚合器,用于讀取文檔的對象          device = PDFPageAggregator(resource,laparams=laparams)          #創建解釋器，對文檔編碼，解釋成Python能夠識別的格式          interpreter = PDFPageInterpreter(resource,device)          # 循環遍歷列表，每次處理一頁的內容          # doc.get_pages() 獲取page列表          for page in doc.get_pages():              #利用解釋器的process_page()方法解析讀取單獨頁數              interpreter.process_page(page)              #使用聚合器get_result()方法獲取內容              layout = device.get_result()              #這里layout是一個LTPage對象,里面存放著這個page解析出的各種對象              for out in layout:                  #判斷是否含有get_text()方法，獲取我們想要的文字                  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()

最終得到的test.txt結果如下：

結束：對于Python批量PDF轉Word的操作介紹就到此。

以上就是如何利用Python代碼批量將PDF文件轉為Word格式，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。