python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word

python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(1)

大数据文摘作品

投稿作者丁彦军

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!

python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(2)

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。

  • 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

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(3)

    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。

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(4)

    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

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(5)

    构造文档对象

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(6)

    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:

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(7)

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(8)

    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:

    python免费pdf转word:手把手20行Python代码教你批量将PDF转为Word(9)

    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。

    本文为投稿作品,仅代表个人观点。

    作者介绍:

    一个痴迷于Python语言的业余程序猿,经过半年苦练,经历过从入门到放弃,现在庆幸走到痴迷于Python状态。未来的理想是能够与一群痴迷于Python语言的程序猿做有意义的事。知乎专栏链接:https://www.zhihu.com/people/cai-niao-fen-xi-64/activities

    ,

    免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

      分享
      投诉
      首页