python将pdf转成图片,python如何将pdf转化为excel

　　很多时候，我们需要来回转换文档的形式。那么对于学过编程的人来说，如何用Python把pdf转换成word呢？

　　一、下载所需要的库

　　1.pdfminer安装库命令

　　pip安装pdfminer3k

　　Pdfminer3k是Pdfminer的Python 3端口。PDFMiner是一个从PDF文档中提取信息的工具。与其他PDF相关工具不同，它完全专注于获取和分析文本数据。PDFMiner允许您获取文本在页面中的确切位置，以及其他信息，如

　　字体或线条.包含一个PDF转换器，可以将PDF文件转换成其他文本格式(如HTML)。它有一个可扩展的PDF解析器，可以用于文本分析之外的其他目的。

　　2.docx安装库命令

　　pip安装python_docx

　　Python DocX目前是Python OpenXML的一部分。您可以使用它在Word 2007和更高版本中打开文档，而使用它存储的文档可以在Microsoft Office 2007/2010、Microsoft Mac Office 2008、Google Docs、OpenOffice.org 3和Apple iWork 08中打开。

　　二、代码

　　注意：pdf中非图片构成的部分才

　　能被成功转换

 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#设置工作目录文件夹
　　17os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')
　　18
　　19'''
　　20解析pdf文件，获取文件中包含的各种对象
　　21'''
　　22# 解析pdf文件函数
　　23def parse(pdf_path):
　　24 fp = open('diya.pdf', 'rb') # 以二进制读模式打开
　　25 # 用文件对象来创建一个pdf文档分析器
　　26 parser = PDFParser(fp)
　　27 # 创建一个PDF文档
　　28 doc = PDFDocument()
　　29 # 连接分析器 与文档对象
　　30 parser.set_document(doc)
　　31 doc.set_parser(parser)
　　32
　　33 # 提供初始化密码
　　34 # 如果没有密码 就创建一个空的字符串
　　35 doc.initialize()
　　36
　　37 # 检测文档是否提供txt转换，不提供就忽略
　　38 if not doc.is_extractable:
　　39 raise PDFTextExtractionNotAllowed
　　40 else:
　　41 # 创建PDf 资源管理器 来管理共享资源
　　42 rsrcmgr = PDFResourceManager()
　　43 # 创建一个PDF设备对象
　　44 laparams = LAParams()
　　45 device = PDFPageAggregator(rsrcmgr, laparams=laparams)
　　46 # 创建一个PDF解释器对象
　　47 interpreter = PDFPageInterpreter(rsrcmgr, device)
　　48
　　49 # 用来计数页面，图片，曲线，figure，水平文本框等对象的数量
　　50 num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0
　　51
　　52 # 循环遍历列表，每次处理一个page的内容
　　53 for page in doc.get_pages(): # doc.get_pages() 获取page列表
　　54 num_page += 1 # 页面增一
　　55 interpreter.process_page(page)
　　56 # 接受该页面的LTPage对象
　　57 layout = device.get_result()
　　58 for x in layout:
　　59 if isinstance(x,LTImage): # 图片对象
　　60 num_image += 1
　　61 if isinstance(x,LTCurve): # 曲线对象
　　62 num_curve += 1
　　63 if isinstance(x,LTFigure): # figure对象
　　64 num_figure += 1
　　65 if isinstance(x, LTTextBoxHorizontal): # 获取文本内容
　　66 num_TextBoxHorizontal += 1 # 水平文本框对象增一
　　67 # 保存文本内容
　　68 with open(r'test2.doc', 'a',encoding='utf-8') as f: #生成doc文件的文件名及路径
　　69 results = x.get_text()
　　70 f.write(results)
　　71 f.write('\n')
　　72 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'
　　73 %num_TextBoxHorizontal)
　　74
　　75
　　76if __name__ == '__main__':
　　77 pdf_path = r'diya.pdf' #pdf文件路径及文件名
　　78 parse(pdf_path)

学会了的小伙伴赶紧行动起来~更多Python学习推荐:PyThon学习网教学中心。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读