在日常工作或學習中，經常會遇到這樣的無奈：

“小任，你把這個PDF中的文件碼出來發我”

倒霉，2M的PDF12點也完不了啊！

很多時候在學習時發現許多文檔都是PDF格式，PDF格式卻不利于學習使用，因此需要將PDF轉換為Word文件，但或許你從網上下載了很多軟件，但只能轉換前五頁(如WPS等)，要不就是需要收費，那有沒有免費的轉換軟件呢？

so，菜鳥分析給各位帶來了一個免費簡單快速的方法，手把手教你用Python批量處理PDF格式文件，獲取自己想要的內容，存為word形式。

在實現PDF轉Word功能之前，我們需要一個python的編寫和運行環境，同時安裝好相關的依賴包。 對于python環境，我們推薦使用PyCharm。 在本地電腦環境，anaconda提供了非常便利的安裝和部署。

PDF轉Word功能所需的依賴包如下：

PDFParser(文檔分析器)，PDFDocument(文檔對象)，PDFResourceManager(資源管理器)，PDFPageInterpreter(解釋器)，PDFPageAggregator(聚合器)，LAParams(參數分析器)

一、前期準備工作

說明：菜鳥分析是在Windows7下使用python***的3.6版本

1.安裝pdfminer3k模塊

安裝anaconda后，直接可以通過pip安裝

2.若安裝不成功，可以試試下面方法

首先下載pdfminer3k：https://pypi.python.org/pypi/pdfminer3k；然后安裝pdfminer

將下載好的pdfminer3k解壓到D:或其他合適的盤符，通過win+r 打開運行窗口，輸入cmd；

輸入D:切換到D盤，cd pdfminer3k(pdf解壓的文件夾)，輸入setup.py install安裝軟件。

最終顯示Finished，則代表成功

二、代碼實操

導入相關包

frompdfminer.pdfparser?import?PDFParser,?PDFDocument

frompdfminer.pdfinterp?import?PDFResourceManager,?PDFPageInterpreter

frompdfminer.layout?import?LAParams

frompdfminer.converter?import?PDFPageAggregator

整體思路為：構造文檔對象，解析文檔對象，提取所需內容

構造文檔對象

構造解釋器

2.導入需要解析的PDF文件

將所需解析的文件與執行代碼放到同一個目錄下，如圖：

test.pdf內容

3.具體代碼如下：

frompdfminer.pdfparser?import?PDFParser,?PDFDocument

frompdfminer.pdfinterp?import?PDFResourceManager,?PDFPageInterpreter

frompdfminer.layout?import?LAParams

frompdfminer.converter?import?PDFPageAggregator

frompdfminer.pdfinterp?import?PDFTextExtractionNotAllowed

def?parse():

#rb以二進制讀模式打開本地pdf文件

fn?=?open('test.pdf','rb')

#創建一個pdf文檔分析器

parser?=?PDFParser()

#創建一個PDF文檔

doc?=?PDFDocument()

#連接分析器?與文檔對象

parser.set_document()

doc.set_parser()

#?提供初始化密碼doc.initialize("lianxipython")

#?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?notdoc.is_extractable:

raise?PDFTextExtractionNotAllowed

else:

#創建PDf資源管理器

resource?=?PDFResourceManager()

#創建一個PDF參數分析器

laparams?=?LAParams()

#創建聚合器,用于讀取文檔的對象

device?=?PDFPageAggregator(resource,laparams=laparams)

#創建解釋器，對文檔編碼，解釋成Python能夠識別的格式

interpreter?=?PDFPageInterpreter(resource,device)

#?循環遍歷列表，每次處理一頁的內容

#?doc.get_pages()?獲取page列表

forpageindoc.get_pages():

#利用解釋器的process_page()方法解析讀取單獨頁數

interpreter.process_page(page)

#使用聚合器get_result()方法獲取內容

layout?=?device.get_result()

#這里layout是一個LTPage對象,里面存放著這個page解析出的各種對象

foroutinlayout:

#判斷是否含有get_text()方法，獲取我們想要的文字

if?hasattr(out,"get_text"):

print(out.get_text())

withopen('test.txt','a')asf:

f.write(out.get_text()+'\n')

if?__name__?==?'__main__':

parse()

最終得到的test.txt結果如下：

結束：對于Python批量PDF轉Word的操作介紹就到此，本文僅僅作為一種運用庫展示代碼編寫過程，具體技術還需要有興趣的朋友，與我一起討論專研，互相學習進步。

【編輯推薦】

【責任編輯：龐桂玉 TEL：(010)68476606】

點贊 0

總結

以上是生活随笔為你收集整理的python实现pdf转word详解_手把手|20行Python代码教你批量将PDF文件转为Word格式（包教包会）...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。