Python 實(shí)現(xiàn)加密過(guò)的PDF文件轉(zhuǎn)WORD格式

更新時(shí)間：2020年02月04日 10:24:43 作者：數(shù)據(jù)札記倌

這篇文章主要介紹了Python 實(shí)現(xiàn)加密過(guò)的PDF文件轉(zhuǎn)WORD格式,本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

實(shí)現(xiàn)方法簡(jiǎn)介

許多文件都支持轉(zhuǎn)換為PDF格式，諸如Word，Excel，PowerPoint，Cad以及圖片格式。所以pdf從學(xué)校到職場(chǎng)，都可以看到pdf文件的身影。

為了保證了文件的安全性，正常情況下無(wú)法對(duì)pdf的內(nèi)容進(jìn)行編輯。但是相應(yīng)的我們就無(wú)法修改pdf的內(nèi)容，也不便于pdf資料的使用。雖然現(xiàn)在市面上有很多 pdf 轉(zhuǎn) word 軟件，比如 wps，但大多數(shù)的軟件是要收費(fèi)的，并且價(jià)格不菲。前些天就有人叫我?guī)退?pdf 文檔轉(zhuǎn)成 word 的文檔。因?yàn)閷懕M調(diào)報(bào)告需要去查看各種信評(píng)資料，往往這些資料都是pdf格式的文件，而且經(jīng)常出現(xiàn)加密文檔，為了方便查找和復(fù)制相關(guān)資料，將加密過(guò)的pdf文件轉(zhuǎn)換成word文檔就會(huì)便捷不少，提高使用效率。

于是想到寫個(gè)程序，把 pdf 轉(zhuǎn)成 word 文檔。秉承著不要重復(fù)造輪子的想法，我首先在網(wǎng)上搜索了下相關(guān)代碼。大多是針對(duì)未加密過(guò)的pdf文件來(lái)實(shí)現(xiàn)，本文結(jié)合加密文檔的特殊性寫了相關(guān)程序來(lái)實(shí)現(xiàn)這個(gè)功能。

支持加密文件的格式轉(zhuǎn)換

代碼效果

環(huán)境配置

1、pdfminer安裝庫(kù)命令：

pip install pdfminer3k

2、docx安裝庫(kù)命令：

pip install python_docx

注：pdf中非圖片構(gòu)成的部分才能被成功轉(zhuǎn)換：

#-*- coding: UTF-8 -*- 
#!/usr/bin/python
#-*- coding: utf-8 -*-
import sys
import importlib
importlib.reload(sys)
from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import *
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
import os
#設(shè)置工作目錄文件夾
os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')
#解析pdf文件函數(shù)
def parse(pdf_path):
 fp = open('diya.pdf', 'rb') # 以二進(jìn)制讀模式打開
 # 用文件對(duì)象來(lái)創(chuàng)建一個(gè)pdf文檔分析器
 parser = PDFParser(fp)
 # 創(chuàng)建一個(gè)PDF文檔
 doc = PDFDocument()
 # 連接分析器 與文檔對(duì)象
 parser.set_document(doc)
 doc.set_parser(parser)
 # 提供初始化密碼
 # 如果沒(méi)有密碼 就創(chuàng)建一個(gè)空的字符串
 doc.initialize()
 # 檢測(cè)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 來(lái)管理共享資源
  rsrcmgr = PDFResourceManager()
  # 創(chuàng)建一個(gè)PDF設(shè)備對(duì)象
  laparams = LAParams()
  device = PDFPageAggregator(rsrcmgr, laparams=laparams)
  # 創(chuàng)建一個(gè)PDF解釋器對(duì)象
  interpreter = PDFPageInterpreter(rsrcmgr, device)
  # 用來(lái)計(jì)數(shù)頁(yè)面，圖片，曲線，figure，水平文本框等對(duì)象的數(shù)量
  num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0
  # 循環(huán)遍歷列表，每次處理一個(gè)page的內(nèi)容
  for page in doc.get_pages(): # doc.get_pages() 獲取page列表
   num_page += 1 # 頁(yè)面增一
   interpreter.process_page(page)
   # 接受該頁(yè)面的LTPage對(duì)象
   layout = device.get_result()
   for x in layout:
    if isinstance(x,LTImage): # 圖片對(duì)象
     num_image += 1
    if isinstance(x,LTCurve): # 曲線對(duì)象
     num_curve += 1
    if isinstance(x,LTFigure): # figure對(duì)象
     num_figure += 1
    if isinstance(x, LTTextBoxHorizontal): # 獲取文本內(nèi)容
     num_TextBoxHorizontal += 1 # 水平文本框?qū)ο笤鲆?
     # 保存文本內(nèi)容
     with open(r'test2.doc', 'a',encoding='utf-8') as f: #生成doc文件的文件名及路徑
      results = x.get_text()
      f.write(results)
      f.write('\n')
  print('對(duì)象數(shù)量：\n','頁(yè)面數(shù)：%s\n'%num_page,'圖片數(shù)：%s\n'%num_image,'曲線數(shù)：%s\n'%num_curve,'水平文本框：%s\n'
    %num_TextBoxHorizontal)

if __name__ == '__main__':
 pdf_path = r'diya.pdf' #pdf文件路徑及文件名
 parse(pdf_path)

提供初始化密碼

如果沒(méi)有密碼就創(chuàng)建一個(gè)空的字符串

doc.initialize()

如果有密碼就寫入相應(yīng)的密碼