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。
python批量将pdf转成word_如何用Python把pdf转换成word相关推荐
- python 批量读取xlsx并合并_如何用Python快速导入多个excel文件并合并文件数据
日常工作中,每个月都会遇到那么个固定的工作,将业务方同事整理的数据导入GP数据库中的某张表中:听起来是很简单的活呢! 但每次业务MM总会发来一个文件夹,里面有三四十个Excel文件(.xlsx格式,且 ...
- matlab 函数pdf怎么用_用smallpdf可以将图片转换成pdf呢?怎么转?-使用教程-Smallpdf转换器_PDF转换器...
大家知道一般公司的需求文档都是用PDF格式传递给开发人员,那么由此判断PDF可防止他人无意中触到键盘修改文件内容. 再有就是,当我们将毕业设计报告用word编辑后,发送给导师查看时,也建议采用PDF格 ...
- matlab 函数pdf怎么用_用smallpdf可以将图片转换成pdf呢?怎么转?
大家知道一般公司的需求文档都是用PDF格式传递给开发人员,那么由此判断PDF可防止他人无意中触到键盘修改文件内容. 再有就是,当我们将毕业设计报告用word编辑后,发送给导师查看时,也建议采用PDF格 ...
- 如何用python做词云图_科学网—如何用Python做词云?(基础篇视频教程) - 王树义的博文...
只需要花10几分钟,跟着教程完整做一遍,你就能自己用Python做出词云了. <如何用Python做词云?>图文版发布于2017年6月,是我数据科学系列教程中的第一篇. 目前仅简书一个平台 ...
- 如何用Python读取Excel中图片?又如何用Python往Excel中写入图片?
大家好,在使用Python进行办公自动化操作时,一定少不了与Excel表格的交互,我们通常是用pandas处理表格数据,但大多数情况下,都是读取表格中的数值进行分析. 那么你知道如何使用Python读 ...
- python提取pdf文件内容_如何用Python批量提取PDF文本内容?
本文为你展示,如何用Python把许多PDF文件的文本内容批量提取出来,并且整理存储到数据框中,以便于后续的数据分析. 问题 最近,读者们在后台的留言,愈发五花八门了. 写了几篇关于自然语言处理的文章 ...
- python自动办公 pdf_别再问如何用 Python 提取 PDF 内容了!
作者|陈熹 头图 | CSDN 下载自东方 IC 来源 | 早起Python(ID:zaoqi-python) 导读 大家好,在之前的办公自动化系列文章中我们已经详细介绍了如何使用Python批量处理 ...
- python批量下载网页文件-超简单超详细python小文件、大文件、批量下载教程
按照不同的情况,python下载文件可以分为三种: 小文件下载 大文件下载 批量下载 python 小文件下载 流程:使用request.get请求链接,返回的内容放置到变量r中,然后将r写入到你想放 ...
- python list转换成树形结构_python递归查询菜单并转换成json实例
最近需要用python写一个菜单,折腾了两三天才搞定,现在记录在此,需要的朋友可以借鉴一下. 备注:文章引用非可执行完整代码,仅仅摘录了关键部分的代码 环境 数据库:mysql python:3.6 ...
最新文章
- SpringBoot-14-MyBatis预热篇,MySQL小结
- Kubernetes数据持久化方案
- python pynlpir NLPIR许可证过期问题【RuntimeError: NLPIR function ‘NLPIR_Init‘ failed.】
- Elastic-Job中的ScriptJob
- QQ旋风爆缓冲区溢出漏洞
- 拿4k的前端开发都会做些什么?
- bzoj 2987: Earthquake(类欧几里得)
- 挖坑:handoop2.6 开启kerberos(全流程学习记录)
- 配置核查保密检查等保工具箱态势感知
- 如何去追女生,看了你就成功了一半
- [问题] trying to connect to remote host
- katana之渲染输出AOV
- va_list原理及用法
- OSPF协议介绍及配置
- 绿能宝承载的不单是绿能宝的梦想
- linux xdm服务无法关闭,Linux远程操控XDM认识和配置
- iOS——调用系统相册和相机
- 【技术文档】centernet(姿态估计)
- 用友nc65 uap开发找产品功能源代码
- SpringBoot笔记十四:消息队列
热门文章
- 作者:姜春宇(1987-),男,中国信息通信研究院移动互联网与大数据部工程师,数据中心联盟大数据技术与产品工作组组长。...
- 作者:姚阳(1979-),女,广州市社会科学院经济学副研究员。
- 获取分割后右边的字符串
- spring boot 初步学习
- iOS 设置不同环境对应不同icon
- 指静脉识别技术在安防行业的应用前景
- linux下,.ko,.o , .so , .a ,.la
- ASP.Net防止页面刷新重复提交
- shell之case和function
- 读书笔记:《时间投资法》之二