建站
咨詢
售后
建站咨詢
新聞中心
在日常工作或?qū)W習(xí)中，經(jīng)常會遇到這樣的無奈：
在正陽等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都網(wǎng)站設(shè)計、成都網(wǎng)站建設(shè) 網(wǎng)站設(shè)計制作按需定制制作,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),成都全網(wǎng)營銷,成都外貿(mào)網(wǎng)站建設(shè)公司,正陽網(wǎng)站建設(shè)費用合理。
“小任，你把這個PDF中的文件碼出來發(fā)我”
倒霉，2M的PDF12點也完不了?。?/p>
很多時候在學(xué)習(xí)時發(fā)現(xiàn)許多文檔都是PDF格式，PDF格式卻不利于學(xué)習(xí)使用，因此需要將PDF轉(zhuǎn)換為Word文件，但或許你從網(wǎng)上下載了很多軟件，但只能轉(zhuǎn)換前五頁（如WPS等），要不就是需要收費，那有沒有免費的轉(zhuǎn)換軟件呢？
so，菜鳥分析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(nèi)容，存為word形式。
在實現(xiàn)PDF轉(zhuǎn)Word功能之前，我們需要一個python的編寫和運行環(huán)境，同時安裝好相關(guān)的依賴包。 對于python環(huán)境，我們推薦使用PyCharm。 在本地電腦環(huán)境，anaconda提供了非常便利的安裝和部署。
PDF轉(zhuǎn)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(shù)分析器）
一、前期準(zhǔn)備工作
說明：菜鳥分析是在Windows7下使用python***的3.6版本
1.安裝pdfminer3k模塊
安裝anaconda后，直接可以通過pip安裝
2.若安裝不成功，可以試試下面方法
首先下載pdfminer3k：https://pypi.python.org/pypi/pdfminer3k；然后安裝pdfminer
將下載好的pdfminer3k解壓到D:或其他合適的盤符，通過win+r 打開運行窗口，輸入cmd；
輸入D:切換到D盤，cd pdfminer3k(pdf解壓的文件夾)，輸入setup.py install安裝軟件。
最終顯示Finished，則代表成功
二、代碼實操
導(dǎo)入相關(guān)包
- from pdfminer.pdfparser import PDFParser, PDFDocument
- from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
- from pdfminer.layout import LAParams
- from pdfminer.converter import PDFPageAggregator
整體思路為：構(gòu)造文檔對象，解析文檔對象，提取所需內(nèi)容
構(gòu)造文檔對象
構(gòu)造解釋器
2.導(dǎo)入需要解析的PDF文件
將所需解析的文件與執(zhí)行代碼放到同一個目錄下，如圖：
test.pdf內(nèi)容
3.具體代碼如下：
- 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
- def parse():
- #rb以二進制讀模式打開本地pdf文件
- fn = open('test.pdf','rb')
- #創(chuàng)建一個pdf文檔分析器
- parser = PDFParser()
- #創(chuàng)建一個PDF文檔
- doc = PDFDocument()
- #連接分析器 與文檔對象
- parser.set_document()
- doc.set_parser()
- # 提供初始化密碼doc.initialize("lianxipython")
- # 如果沒有密碼 就創(chuàng)建一個空的字符串
- doc.initialize("")
- # 檢測文檔是否提供txt轉(zhuǎn)換，不提供就忽略
- if not doc.is_extractable:
- raise PDFTextExtractionNotAllowed
- else:
- #創(chuàng)建PDf資源管理器
- resource = PDFResourceManager()
- #創(chuàng)建一個PDF參數(shù)分析器
- laparams = LAParams()
- #創(chuàng)建聚合器,用于讀取文檔的對象
- device = PDFPageAggregator(resource,laparams=laparams)
- #創(chuàng)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(huán)遍歷列表，每次處理一頁的內(nèi)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(shù)
- interpreter.process_page(page)
- #使用聚合器get_result()方法獲取內(nèi)容
- layout = device.get_result()
- #這里layout是一個LTPage對象,里面存放著這個page解析出的各種對象
- for out in layout:
- #判斷是否含有g(shù)et_text()方法，獲取我們想要的文字
- if hasattr(out,"get_text"):
- print(out.get_text())
- with open('test.txt','a') as f:
- f.write(out.get_text()+'\n')
- if __name__ == '__main__':
- parse()
最終得到的test.txt結(jié)果如下：
結(jié)束：對于Python批量PDF轉(zhuǎn)Word的操作介紹就到此，本文僅僅作為一種運用庫展示代碼編寫過程，具體技術(shù)還需要有興趣的朋友，與我一起討論專研，互相學(xué)習(xí)進步。
當(dāng)前文章：手把手|20行Python代碼教你批量將PDF文件轉(zhuǎn)為Word格式（包教包會）
網(wǎng)站網(wǎng)址：http://www.5511xx.com/article/djocgse.html
