在日常工作或学习中，经常会遇到这样的无奈：
“小任，你把这个PDF中的文件码出来发我”
倒霉，2M的PDF12点也完不了啊！
很多时候在学习时发现许多文档都是PDF格式，PDF格式却不利于学习使用，因此需要将PDF转换为Word文件，但或许你从网上下载了很多软件，但只能转换前五页(如WPS等)，要不就是需要收费，那有没有免费的转换软件呢？
so，菜鸟分析给各位带来了一个免费简单快速的方法，手把手教你用Python批量处理PDF格式文件，获取自己想要的内容，存为word形式。
在实现PDF转Word功能之前，我们需要一个python的编写和运行环境，同时安装好相关的依赖包。 对于python环境，我们推荐使用PyCharm。 在本地电脑环境，anaconda提供了非常便利的安装和部署。
PDF转Word功能所需的依赖包如下：
PDFParser(文档分析器)，PDFDocument(文档对象)，PDFResourceManager(资源管理器)，PDFPageInterpreter(解释器)，PDFPageAggregator(聚合器)，LAParams(参数分析器)
一、前期准备工作
说明：菜鸟分析是在Windows7下使用python***的3.6版本
1.安装pdfminer3k模块
安装anaconda后，直接可以通过pip安装
2.若安装不成功，可以试试下面方法
首先下载pdfminer3k：/pypi/pdfminer3k；然后安装pdfminer
将下载好的pdfminer3k解压到D:或其他合适的盘符，通过win+r 打开运行窗口，输入cmd；
输入D:切换到D盘，cd pdfminer3k(pdf解压的文件夹)，输入setup.py install安装软件。
最终显示Finished，则代表成功
二、代码实操
导入相关包
frompdfminer.pdfparserimportPDFParser,PDFDocument
frompdfminer.pdfinterpimportPDFResourceManager,PDFPageInterpreter
frompdfminer.layoutimportLAParams
frompdfminer.converterimportPDFPageAggregator
整体思路为：构造文档对象，解析文档对象，提取所需内容
构造文档对象
构造解释器
2.导入需要解析的PDF文件
将所需解析的文件与执行代码放到同一个目录下，如图：
test.pdf内容
3.具体代码如下：
frompdfminer.pdfparserimportPDFParser,PDFDocument
frompdfminer.pdfinterpimportPDFResourceManager,PDFPageInterpreter
frompdfminer.layoutimportLAParams
frompdfminer.converterimportPDFPageAggregator
frompdfminer.pdfinterpimportPDFTextExtractionNotAllowed
defparse():
#rb以二进制读模式打开本地pdf文件
fn=open('test.pdf','rb')
#创建一个pdf文档分析器
parser=PDFParser()
#创建一个PDF文档
doc=PDFDocument()
#连接分析器与文档对象
parser.set_document()
doc.set_parser()
#提供初始化密码doc.initialize("lianxipython")
#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
ifnotdoc.is_extractable:
raisePDFTextExtractionNotAllowed
else:
#创建PDf资源管理器
resource=PDFResourceManager()
#创建一个PDF参数分析器
laparams=LAParams()
#创建聚合器,用于读取文档的对象
device=PDFPageAggregator(resource,laparams=laparams)
#创建解释器，对文档编码，解释成Python能够识别的格式
interpreter=PDFPageInterpreter(resource,device)
#循环遍历列表，每次处理一页的内容
#doc.get_pages()获取page列表
forpageindoc.get_pages():
#利用解释器的process_page()方法解析读取单独页数
interpreter.process_page(page)
#使用聚合器get_result()方法获取内容
layout=device.get_result()
#这里layout是一个LTPage对象,里面存放着这个page解析出的各种对象
foroutinlayout:
#判断是否含有get_text()方法，获取我们想要的文字
ifhasattr(out,"get_text"):
print(out.get_text())
withopen('test.txt','a')asf:
f.write(out.get_text()+'\n')
if__name__=='__main__':
parse()
最终得到的test.txt结果如下：
结束：对于Python批量PDF转Word的操作介绍就到此，本文仅仅作为一种运用库展示代码编写过程，具体技术还需要有兴趣的朋友，与我一起讨论专研，互相学习进步。
【编辑推荐】
【责任编辑：庞桂玉 TEL：(010)68476606】
点赞 0
