怎么用两行Python代码实现pdf转word功能

本篇内容主要讲解“怎么用两行Python代码实现pdf转word功能”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“怎么用两行Python代码实现pdf转word功能”吧!

一、安装依赖包

pip install --index https://pypi.mirrors.ustc.edu.cn/simple/ python-office

二、pdf转word

2.1 代码实现

import officeoffice.pdf.pdf2docx(file_path = 'test.pdf')

运行过程如下：

[1/4] Opening document...
[INFO] [2/4] Analyzing document...
[WARNING] 'created' timestamp seems very low; regarding as unix timestamp
[WARNING] 'modified' timestamp seems very low; regarding as unix timestamp
[WARNING] 'created' timestamp seems very low; regarding as unix timestamp
[WARNING] 'modified' timestamp seems very low; regarding as unix timestamp
[INFO] [3/4] Parsing pages...
[INFO] (1/9) Page 1
[INFO] (2/9) Page 2
[INFO] (3/9) Page 3
[INFO] (4/9) Page 4
[INFO] (5/9) Page 5
[INFO] (6/9) Page 6
[INFO] (7/9) Page 7
[INFO] (8/9) Page 8
[INFO] (9/9) Page 9
[INFO] [4/4] Creating pages...
[INFO] (1/9) Page 1
[INFO] (2/9) Page 2
[INFO] (3/9) Page 3
[INFO] (4/9) Page 4
[INFO] (5/9) Page 5
[INFO] (6/9) Page 6
[INFO] (7/9) Page 7
[INFO] (8/9) Page 8
[INFO] (9/9) Page 9
[INFO] Terminated in 1.30s.
 
Process finished with exit code 0

2.2 pdf内容

2.3 转换后的word

由上可见，效果还不错。

补充

除了上文的办法，小编还为大家整理了更多Python实现的PDF转Word方法，需要的可以参考一下

方法一：

import osfrom configparser import ConfigParserfrom io import StringIOfrom io import openfrom concurrent.futures import ProcessPoolExecutorfrom pdfminer.pdfinterp import PDFResourceManagerfrom pdfminer.pdfinterp import process_pdffrom pdfminer.converter import TextConverterfrom pdfminer.layout import LAParamsfrom docx import Documentdef read_from_pdf(file_path):    with open(file_path, 'rb') as file:        resource_manager = PDFResourceManager()        return_str = StringIO()        lap_params = LAParams()        device = TextConverter(            resource_manager, return_str, laparams=lap_params)        process_pdf(resource_manager, device, file)        device.close()        content = return_str.getvalue()        return_str.close()        return contentdef save_text_to_word(content, file_path):    doc = Document()    for line in content.split('\n'):        paragraph = doc.add_paragraph()        paragraph.add_run(remove_control_characters(line))    doc.save(file_path)def remove_control_characters(content):    mpa = dict.fromkeys(range(32))    return content.translate(mpa)def pdf_to_word(pdf_file_path, word_file_path):    content = read_from_pdf(pdf_file_path)    save_text_to_word(content, word_file_path)def main():    config_parser = ConfigParser()    config_parser.read('config.cfg')    config = config_parser['default']    tasks = []    with ProcessPoolExecutor(max_workers=int(config['max_worker'])) as executor:        for file in os.listdir(config['pdf_folder']):            extension_name = os.path.splitext(file)[1]            if extension_name != '.pdf':                continue            file_name = os.path.splitext(file)[0]            pdf_file = config['pdf_folder'] + '/' + file            word_file = config['word_folder'] + '/' + file_name + '.docx'            print('正在处理: ', file)            result = executor.submit(pdf_to_word, pdf_file, word_file)            tasks.append(result)    while True:        exit_flag = True        for task in tasks:            if not task.done():                exit_flag = False        if exit_flag:            print('完成')            exit(0)if __name__ == '__main__':    main()

方法二：

加密过的PDF转word

#-*- coding: UTF-8 -*- #!/usr/bin/python#-*- coding: utf-8 -*-import sysimport importlibimportlib.reload(sys)from pdfminer.pdfparser import PDFParser,PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.converter import PDFPageAggregatorfrom pdfminer.layout import *from pdfminer.pdfinterp import PDFTextExtractionNotAllowedimport os#设置工作目录文件夹os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')#解析pdf文件函数def parse(pdf_path): fp = open('diya.pdf', 'rb') # 以二进制读模式打开 # 用文件对象来创建一个pdf文档分析器 parser = PDFParser(fp) # 创建一个PDF文档 doc = PDFDocument() # 连接分析器 与文档对象 parser.set_document(doc) doc.set_parser(parser) # 提供初始化密码 # 如果没有密码 就创建一个空的字符串 doc.initialize() # 检测文档是否提供txt转换，不提供就忽略 if not doc.is_extractable:  raise PDFTextExtractionNotAllowed else:  # 创建PDf 资源管理器 来管理共享资源  rclass="lazy" data-srcmgr = PDFResourceManager()  # 创建一个PDF设备对象  laparams = LAParams()  device = PDFPageAggregator(rclass="lazy" data-srcmgr, laparams=laparams)  # 创建一个PDF解释器对象  interpreter = PDFPageInterpreter(rclass="lazy" data-srcmgr, device)  # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量  num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0  # 循环遍历列表，每次处理一个page的内容  for page in doc.get_pages(): # doc.get_pages() 获取page列表   num_page += 1 # 页面增一   interpreter.process_page(page)   # 接受该页面的LTPage对象   layout = device.get_result()   for x in layout:    if isinstance(x,LTImage): # 图片对象     num_image += 1    if isinstance(x,LTCurve): # 曲线对象     num_curve += 1    if isinstance(x,LTFigure): # figure对象     num_figure += 1    if isinstance(x, LTTextBoxHorizontal): # 获取文本内容     num_TextBoxHorizontal += 1 # 水平文本框对象增一     # 保存文本内容     with open(r'test2.doc', 'a',encoding='utf-8') as f: #生成doc文件的文件名及路径      results = x.get_text()      f.write(results)      f.write('\n')  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'    %num_TextBoxHorizontal)if __name__ == '__main__': pdf_path = r'diya.pdf' #pdf文件路径及文件名 parse(pdf_path)

到此，相信大家对“怎么用两行Python代码实现pdf转word功能”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！