13518219792
这篇文章主要介绍用Python把pdf转换成word的方法，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
为荔湾等地区用户提供了全套网页设计制作服务，及荔湾网站建设行业解决方案。主营业务为成都做网站、成都网站制作、荔湾网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
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)
以上是用Python把pdf转换成word的方法的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！
