python实现pdf转换成word/txt纯文本文件
本文实例为大家分享了python实现pdf转word/txt，供大家参考，具体内容如下
依赖包：pdfminer3k
可以通过pip安装；也可以到官网下载，解压，进入文件夹，输入命令setup.pyinstall安装软件。
源代码：
#!/usr/bin/python
#-*-coding:utf-8-*-
importsys
importimportlib
importlib.reload(sys)
frompdfminer.pdfparserimportPDFParser,PDFDocument
frompdfminer.pdfinterpimportPDFResourceManager,PDFPageInterpreter
frompdfminer.converterimportPDFPageAggregator
frompdfminer.layoutimport*
frompdfminer.pdfinterpimportPDFTextExtractionNotAllowed
'''''
解析pdf文件，获取文件中包含的各种对象
'''
#解析pdf文件函数
defparse(pdf_path):
fp=open(pdf_path,'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
ifnotdoc.is_extractable:
raisePDFTextExtractionNotAllowed
else:
#创建PDf资源管理器来管理共享资源
rsrcmgr=PDFResourceManager()
#创建一个PDF设备对象
laparams=LAParams()
device=PDFPageAggregator(rsrcmgr,laparams=laparams)
#创建一个PDF解释器对象
interpreter=PDFPageInterpreter(rsrcmgr,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
forpageindoc.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()
forxinlayout:
ifisinstance(x,LTImage):#图片对象
num_image+=1
ifisinstance(x,LTCurve):#曲线对象
num_curve+=1
ifisinstance(x,LTFigure):#figure对象
num_figure+=1
ifisinstance(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
withopen(r'test.doc','a',encoding='utf-8')asf:#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'test.pdf'#pdf文件路径及文件名
parse(pdf_path)
此脚本只能将pdf文件转换成纯文本文件，没有任何格式。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。