很多時候在學習時發現許多文檔都是PDF格式，PDF格式卻不利於學習使用，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，我們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。 對於python環境，我們推薦使用PyCharm。
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）
步驟：
安裝pdfminer3k模塊
代碼：
#!/usr/bin/env python
# Version = 3.5.2
# __auth__ = '無名小妖'
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.layout import LAParams
from pdfminer.converter import PDFPageAggregator
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
from docx import Document
document = Document()
def parse():
# rb以二進制讀模式打開本地pdf文件
fn = open('Django-日志配置.md.pdf','rb')
# 創建一個pdf文檔分析器
parser = PDFParser(fn)
# 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 not doc.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,用於讀取文檔的對象
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
for page in doc.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,里面存放着這個page解析出的各種對象
for out in layout:
# 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(), type(out.get_text()))
content = out.get_text().replace(u'\xa0', u' ') # 將'\xa0'替換成u' '空格，這個\xa0就是&nbps空格
# with open('test.txt','a') as f:
# f.write(out.get_text().replace(u'\xa0', u' ')+'\n')
document.add_paragraph(
content, style='ListBullet' # 添加段落，樣式為unordered list類型
)
document.save('demo1.docx') # 保存這個文檔
if __name__ == '__main__':
parse()