實現方法簡介

許多文件都支持轉換為PDF格式，諸如Word，Excel，PowerPoint，Cad以及圖片格式。所以pdf從學校到職場，都可以看到pdf文件的身影。

為了保證了文件的安全性，正常情況下無法對pdf的內容進行編輯。但是相應的我們就無法修改pdf的內容，也不便于pdf資料的使用。雖然現在市面上有很多 pdf 轉 word 軟件，比如 wps，但大多數的軟件是要收費的，并且價格不菲。前些天就有人叫我幫她把 pdf 文檔轉成 word 的文檔。因為寫盡調報告需要去查看各種信評資料，往往這些資料都是pdf格式的文件，而且經常出現加密文檔，為了方便查找和復制相關資料，將加密過的pdf文件轉換成word文檔就會便捷不少，提高使用效率。

于是想到寫個程序，把 pdf 轉成 word 文檔。秉承著不要重復造輪子的想法，我首先在網上搜索了下相關代碼。大多是針對未加密過的pdf文件來實現，本文結合加密文檔的特殊性寫了相關程序來實現這個功能。

支持加密文件的格式轉換

代碼效果

環境配置

1、pdfminer安裝庫命令：

pip install pdfminer3k

2、docx安裝庫命令：

pip install python_docx

注：pdf中非圖片構成的部分才能被成功轉換：

#-*- coding: UTF-8 -*-

#!/usr/bin/python

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

import sys

import importlib

importlib.reload(sys)

from pdfminer.pdfparser import PDFParser,PDFDocument

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

from pdfminer.converter import PDFPageAggregator

from pdfminer.layout import *

from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

import os

#設置工作目錄文件夾

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

#解析pdf文件函數

def parse(pdf_path):

fp = open('diya.pdf', 'rb') # 以二進制讀模式打開

# 用文件對象來創建一個pdf文檔分析器

parser = PDFParser(fp)

# 創建一個PDF文檔

doc = PDFDocument()

# 連接分析器 與文檔對象

parser.set_document(doc)

doc.set_parser(parser)

# 提供初始化密碼

# 如果沒有密碼 就創建一個空的字符串

doc.initialize()

# 檢測文檔是否提供txt轉換，不提供就忽略

if not doc.is_extractable:

raise PDFTextExtractionNotAllowed

else:

# 創建PDf 資源管理器 來管理共享資源

rsrcmgr = PDFResourceManager()

# 創建一個PDF設備對象

laparams = LAParams()

device = PDFPageAggregator(rsrcmgr, laparams=laparams)

# 創建一個PDF解釋器對象

interpreter = PDFPageInterpreter(rsrcmgr, device)

# 用來計數頁面，圖片，曲線，figure，水平文本框等對象的數量

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

# 循環遍歷列表，每次處理一個page的內容

for page in doc.get_pages(): # doc.get_pages() 獲取page列表

num_page += 1 # 頁面增一

interpreter.process_page(page)

# 接受該頁面的LTPage對象

layout = device.get_result()

for x in layout:

if isinstance(x,LTImage): # 圖片對象

num_image += 1

if isinstance(x,LTCurve): # 曲線對象

num_curve += 1

if isinstance(x,LTFigure): # figure對象

num_figure += 1

if isinstance(x, LTTextBoxHorizontal): # 獲取文本內容

num_TextBoxHorizontal += 1 # 水平文本框對象增一

# 保存文本內容

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

results = x.get_text()

f.write(results)

f.write('\n')

print('對象數量：\n','頁面數：%s\n'%num_page,'圖片數：%s\n'%num_image,'曲線數：%s\n'%num_curve,'水平文本框：%s\n'

%num_TextBoxHorizontal)

if __name__ == '__main__':

pdf_path = r'diya.pdf' #pdf文件路徑及文件名

parse(pdf_path)

提供初始化密碼

如果沒有密碼 就創建一個空的字符串

doc.initialize()

如果有密碼 就寫入相應的密碼

未知加密方式的pdf文件

如果pdf文件的加密方式不知道，影響文件的復制和打印等可以先利用chrome瀏覽器來取消加密邏輯

實現方式很簡單，只需要將加密的文件拖入到chrome瀏覽器再選擇打印另存為就可以，破除加密后再使用程序轉換文件格式

總結

以上所述是小編給大家介紹的Python 實現加密過的PDF文件轉WORD格式，希望對大家有所幫助！

本文標題: Python 實現加密過的PDF文件轉WORD格式

本文地址: http://www.cppcns.com/jiaoben/python/299462.html

總結

以上是生活随笔為你收集整理的python 修改pdf_Python 实现加密过的PDF文件转WORD格式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。