用Python把pdf轉(zhuǎn)換成word的方法-創(chuàng)新互聯(lián)

這篇文章主要介紹用Python把pdf轉(zhuǎn)換成word的方法，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

專業(yè)成都網(wǎng)站建設(shè)公司，做排名好的好網(wǎng)站，排在同行前面，為您帶來客戶和效益!成都創(chuàng)新互聯(lián)為您提供成都網(wǎng)站建設(shè)，五站合一網(wǎng)站設(shè)計(jì)制作，服務(wù)好的網(wǎng)站設(shè)計(jì)公司，網(wǎng)站制作、成都做網(wǎng)站負(fù)責(zé)任的成都網(wǎng)站制作公司!

一、下載所需要的庫(kù)

1.pdfminer  安裝庫(kù)命令 

pip install pdfminer3k

pdfminer3k是pdfminer的Python 3端口。PDFMiner是從PDF文檔中提取信息的工具。與其他PDF相關(guān)的工具不同，它完全專注于獲取和分析文本數(shù)據(jù)。PDFMiner允許獲取頁(yè)面中文本的確切位置，以及其他信息，如

字體或線條。它包含一個(gè)PDF轉(zhuǎn)換器，可以將PDF文件轉(zhuǎn)換為其他文本格式（如HTML）。它有一個(gè)可擴(kuò)展的PDF解析器，可用于其他目的而不是文本分析。

2. docx   安裝庫(kù)命令 

pip install python_docx

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

二、代碼

注意：pdf中非圖片構(gòu)成的部分才能被成功轉(zhuǎn)換

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#設(shè)置工作目錄文件夾
17os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')
18
19'''
20解析pdf文件，獲取文件中包含的各種對(duì)象
21'''
22# 解析pdf文件函數(shù)
23def parse(pdf_path):
24    fp = open('diya.pdf', 'rb')  # 以二進(jìn)制讀模式打開
25    # 用文件對(duì)象來創(chuàng)建一個(gè)pdf文檔分析器
26    parser = PDFParser(fp)
27    # 創(chuàng)建一個(gè)PDF文檔
28    doc = PDFDocument()
29    # 連接分析器 與文檔對(duì)象
30    parser.set_document(doc)
31    doc.set_parser(parser)
32
33    # 提供初始化密碼
34    # 如果沒有密碼 就創(chuàng)建一個(gè)空的字符串
35    doc.initialize()
36
37    # 檢測(cè)文檔是否提供txt轉(zhuǎn)換，不提供就忽略
38    if not doc.is_extractable:
39        raise PDFTextExtractionNotAllowed
40    else:
41        # 創(chuàng)建PDf 資源管理器 來管理共享資源
42        rsrcmgr = PDFResourceManager()
43        # 創(chuàng)建一個(gè)PDF設(shè)備對(duì)象
44        laparams = LAParams()
45        device = PDFPageAggregator(rsrcmgr, laparams=laparams)
46        # 創(chuàng)建一個(gè)PDF解釋器對(duì)象
47        interpreter = PDFPageInterpreter(rsrcmgr, device)
48
49        # 用來計(jì)數(shù)頁(yè)面，圖片，曲線，figure，水平文本框等對(duì)象的數(shù)量
50        num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0
51
52        # 循環(huán)遍歷列表，每次處理一個(gè)page的內(nèi)容
53        for page in doc.get_pages(): # doc.get_pages() 獲取page列表
54            num_page += 1  # 頁(yè)面增一
55            interpreter.process_page(page)
56            # 接受該頁(yè)面的LTPage對(duì)象
57            layout = device.get_result()
58            for x in layout:
59                if isinstance(x,LTImage):  # 圖片對(duì)象
60                    num_image += 1
61                if isinstance(x,LTCurve):  # 曲線對(duì)象
62                    num_curve += 1
63                if isinstance(x,LTFigure):  # figure對(duì)象
64                    num_figure += 1
65                if isinstance(x, LTTextBoxHorizontal):  # 獲取文本內(nèi)容
66                    num_TextBoxHorizontal += 1  # 水平文本框?qū)ο笤鲆?67                    # 保存文本內(nèi)容
68                    with open(r'test2.doc', 'a',encoding='utf-8') as f:    #生成doc文件的文件名及路徑
69                        results = x.get_text()
70                        f.write(results)
71                        f.write('\n')
72        print('對(duì)象數(shù)量：\n','頁(yè)面數(shù)：%s\n'%num_page,'圖片數(shù)：%s\n'%num_image,'曲線數(shù)：%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文件路徑及文件名
78    parse(pdf_path)

以上是用Python把pdf轉(zhuǎn)換成word的方法的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道！

當(dāng)前標(biāo)題：用Python把pdf轉(zhuǎn)換成word的方法-創(chuàng)新互聯(lián)
轉(zhuǎn)載注明：http://muchs.cn/article48/icdhp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、自適應(yīng)網(wǎng)站、電子商務(wù)、網(wǎng)站制作、動(dòng)態(tài)網(wǎng)站、營(yíng)銷型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)