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。
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）
步骤：
安装pdfminer3k模块
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
#!/usr/bin/env python
# Version = 3.5.2
# __auth__ = '无名小妖'
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
from
docx
import
Document
document
=
Document()
def
parse():
# rb以二进制读模式打开本地pdf文件
fn
=
open
(
'Django-日志配置.md.pdf'
,
'rb'
)
# 创建一个pdf文档分析器
parser
=
PDFParser(fn)
# 创建一个PDF文档
doc
=
PDFDocument()
# 连接分析器 与文档对象
parser.set_document(doc)
doc.set_parser(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(), type(out.get_text()))
content
=
out.get_text().replace(u
'\xa0'
, u
' '
)
# 将'\xa0'替换成u' '空格，这个\xa0就是&nbps空格
# with open('test.txt','a') as f:
# f.write(out.get_text().replace(u'\xa0', u' ')+'\n')
document.add_paragraph(
content, style
=
'ListBullet'
# 添加段落，样式为unordered list类型
)
document.save(
'demo1.docx'
)
# 保存这个文档
if
__name__
=
=
'__main__'
:
parse()
|
---------------------
作者：无名小妖
来源：CNBLOGS
原文：https://www.cnblogs.com/wumingxiaoyao/p/8460973.html
版权声明：本文为作者原创文章，转载请附上博文链接！