python批量将pdf转成word_如何用Python把pdf转换成word

很多时候，我们需要把文件的形式来回转换。那么学了编程的小伙伴，我们该如何用Python把pdf转换成word呢？

一、下载所需要的库

1.pdfminer 安装库命令pip install pdfminer3k

pdfminer3k是pdfminer的Python 3端口。PDFMiner是从PDF文档中提取信息的工具。与其他PDF相关的工具不同，它完全专注于获取和分析文本数据。PDFMiner允许获取页面中文本的确切位置，以及其他信息，如

字体或线条。它包含一个PDF转换器，可以将PDF文件转换为其他文本格式(如HTML)。它有一个可扩展的PDF解析器，可用于其他目的而不是文本分析。

2. docx 安装库命令pip install python_docx

Python DocX目前是Python OpenXML的一部分，你可以用它打开Word 2007及以后的文档，而用它保存的文档可以在Microsoft Office 2007/2010, Microsoft Mac Office 2008, Google Docs, OpenOffice.org 3, and Apple iWork 08中打开。

二、代码

注意：pdf中非图片构成的部分才能被成功转换1#-*- coding: UTF-8 -*-

2#!/usr/bin/python

3# -*- coding: utf-8 -*-

4

5import sys

6import importlib

7importlib.reload(sys)

8

9from pdfminer.pdfparser import PDFParser,PDFDocument

10from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

11from pdfminer.converter import PDFPageAggregator

12from pdfminer.layout import *

13from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

14import os

15

16#设置工作目录文件夹

17os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')

18

19'''

20解析pdf文件，获取文件中包含的各种对象

21'''

22# 解析pdf文件函数

23def parse(pdf_path):

24 fp = open('diya.pdf', 'rb') # 以二进制读模式打开

25 # 用文件对象来创建一个pdf文档分析器

26 parser = PDFParser(fp)

27 # 创建一个PDF文档

28 doc = PDFDocument()

29 # 连接分析器 与文档对象

30 parser.set_document(doc)

31 doc.set_parser(parser)

32

33 # 提供初始化密码

34 # 如果没有密码 就创建一个空的字符串

35 doc.initialize()

36

37 # 检测文档是否提供txt转换，不提供就忽略

38 if not doc.is_extractable:

39 raise PDFTextExtractionNotAllowed

40 else:

41 # 创建PDf 资源管理器 来管理共享资源

42 rsrcmgr = PDFResourceManager()

43 # 创建一个PDF设备对象

44 laparams = LAParams()

45 device = PDFPageAggregator(rsrcmgr, laparams=laparams)

46 # 创建一个PDF解释器对象

47 interpreter = PDFPageInterpreter(rsrcmgr, device)

48

49 # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量

50 num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0

51

52 # 循环遍历列表，每次处理一个page的内容

53 for page in doc.get_pages(): # doc.get_pages() 获取page列表

54 num_page += 1 # 页面增一

55 interpreter.process_page(page)

56 # 接受该页面的LTPage对象

57 layout = device.get_result()

58 for x in layout:

59 if isinstance(x,LTImage): # 图片对象

60 num_image += 1

61 if isinstance(x,LTCurve): # 曲线对象

62 num_curve += 1

63 if isinstance(x,LTFigure): # figure对象

64 num_figure += 1

65 if isinstance(x, LTTextBoxHorizontal): # 获取文本内容

66 num_TextBoxHorizontal += 1 # 水平文本框对象增一

67 # 保存文本内容

68 with open(r'test2.doc', 'a',encoding='utf-8') as f: #生成doc文件的文件名及路径

69 results = x.get_text()

70 f.write(results)

71 f.write('\n')

72 print('对象数量：\n','页面数：%s\n'%num_page,'图片数：%s\n'%num_image,'曲线数：%s\n'%num_curve,'水平文本框：%s\n'

73 %num_TextBoxHorizontal)

74

75

76if __name__ == '__main__':

77 pdf_path = r'diya.pdf' #pdf文件路径及文件名

78 parse(pdf_path)

学会了的小伙伴赶紧行动起来~更多Python学习推荐:PyThon学习网教学中心。