如何用Python把pdf轉換成word

很多時候，我們需要把檔案的形式來回轉換。那麼學了程式設計的小夥伴，我們該如何用Python把pdf轉換成word呢？

一、下載所需要的庫

1.pdfminer  安裝庫命令 

pip install pdfminer3k

pdfminer3k是pdfminer的Python 3埠。PDFMiner是從PDF文件中提取資訊的工具。與其他PDF相關的工具不同，它完全專注於獲取和分析文字資料。PDFMiner允許獲取頁面中文字的確切位置，以及其他資訊，如

字型或線條。它包含一個PDF轉換器，可以將PDF檔案轉換為其他文字格式（如HTML）。它有一個可擴充套件的PDF解析器，可用於其他目的而不是文字分析。

2. docx   安裝庫命令 

pip install python_docx

Python DocX目前是Python OpenXML的一部分，你可以用它開啟Word 2007及以後的文件，而用它儲存的文件可以在Microsoft Office 2007/2010, Microsoft Mac Office 2008, Google Docs, OpenOffice.org 3, and Apple iWork 08中開啟。

二、程式碼

注意：pdf中非圖片構成的部分才能被成功轉換

 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#設定工作目錄資料夾
17os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')
18
19'''
20解析pdf檔案，獲取檔案中包含的各種物件
21'''
22# 解析pdf檔案函式
23def parse(pdf_path):
24    fp = open('diya.pdf', 'rb')  # 以二進位制讀模式開啟
25    # 用檔案物件來建立一個pdf文件分析器
26    parser = PDFParser(fp)
27    # 建立一個PDF文件
28    doc = PDFDocument()
29    # 連線分析器 與文件物件
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 就建立一個空的字串
35    doc.initialize()
36
37    # 檢測文件是否提供txt轉換，不提供就忽略
38    if not doc.is_extractable:
39        raise PDFTextExtractionNotAllowed
40    else:
41        # 建立PDf 資源管理器 來管理共享資源
42        rsrcmgr = PDFResourceManager()
43        # 建立一個PDF裝置物件
44        laparams = LAParams()
45        device = PDFPageAggregator(rsrcmgr, laparams=laparams)
46        # 建立一個PDF直譯器物件
47        interpreter = PDFPageInterpreter(rsrcmgr, device)
48
49        # 用來計數頁面，圖片，曲線，figure，水平文字框等物件的數量
50        num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0
51
52        # 迴圈遍歷列表，每次處理一個page的內容
53        for page in doc.get_pages(): # doc.get_pages() 獲取page列表
54            num_page += 1  # 頁面增一
55            interpreter.process_page(page)
56            # 接受該頁面的LTPage物件
57            layout = device.get_result()
58            for x in layout:
59                if isinstance(x,LTImage):  # 圖片物件
60                    num_image += 1
61                if isinstance(x,LTCurve):  # 曲線物件
62                    num_curve += 1
63                if isinstance(x,LTFigure):  # figure物件
64                    num_figure += 1
65                if isinstance(x, LTTextBoxHorizontal):  # 獲取文字內容
66                    num_TextBoxHorizontal += 1  # 水平文字框物件增一
67                    # 儲存文字內容
68                    with open(r'test2.doc', 'a',encoding='utf-8') as f:    #生成doc檔案的檔名及路徑
69                        results = x.get_text()
70                        f.write(results)
71                        f.write('n')
72        print('物件數量：n','頁面數：%sn'%num_page,'圖片數：%sn'%num_image,'曲線數：%sn'%num_curve,'水平文字框：%sn'
73              %num_TextBoxHorizontal)
74
75
76if __name__ == '__main__':
77    pdf_path = r'diya.pdf'  #pdf檔案路徑及檔名
78    parse(pdf_path)

學會了的小夥伴趕緊行動起來~更多Python學習推薦:。