如何使用python实现将pdf文件转换为word？

强 1年前 ⋅ 596 阅读

在学习和工作中，难免有一些需求，比如今天的主题就是：将pdf转换成word，其实网络上还有一些工具也能实现转化，往往这些工具有的需要收费，而破解的可能会携带病毒让我们用得不是很放心；其次这些工具有的只能一次转换一个，如果我们想批量转换，那么就得一个一个转，很是麻烦。
我们今天在这里使用python来实现对pdf文件进行批量转换为word。如果你想直接使用，那么直接看第1与第5条里面的代码即可。下面，就开始我们的操作。
1.如果你的python环境中没有安装pdf2docx模块，那么使用下面的命令进行安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pdf2docx

2.导入我们需要使用的模块，如下：

import PyPDF2
from pdf2docx import Converter
import os

3.接下来就是编写转换函数的部分，代码如下：

def pdf2doc(pdf_name, out_file):
    # 转化pdf文件 
    #  pdf_name:为pdf全路径名称         示例 D://***//**.pdf
    #  out_file：为输出全路径的word名称  示例 D://***//**.word
    cv = Converter(pdf_name)
    try:
        #  file_name 要转换成word的文件名   start: 开始页    end 结束页    默认是0开始到最后一页
        cv.convert(str(out_file), start=0, end=None)
    except Exception as e:
        print("转化出错：", e)
        return False
    cv.close()
    return True

4.批量函数：获得某个文件夹下所有的pdf文件，并将pdf文件改名为word，且打印出来：

def get_pdf_files(path,outPut_file):
    # 遍历文件夹下所有文件,将其转成对应的pdf
    # os.walk() 遍历文件夹
    for root, dirs, files in os.walk(path):
        for file in files:
            # 使用 glob.glob() 获取所有符合条件的文件
            if file.endswith('.pdf'):
                pdf_file_path = os.path.join(root, file)  # 获取完整文件路径
                file = pdf_file_path.replace(".pdf",'.docx')
                print(file) #打印改名的后的word文件名，只是用来看看，下面的函数能够使用上
                #pdf2doc(pdf_name=pdf_file_path,out_file=file)  #这里就开始了批量转化，我这里先注释掉

5.类似之前有个老师说的一句话，写程序有时候像玩积木，将两个积木搭起来，就能获得一个新的东西。我们在这里将两个函数组合起来，就能够进行批量处理了。完整的代码如下：

import PyPDF2
from pdf2docx import Converter
import os

def pdf2doc(pdf_name, out_file):
    # 转化pdf文件
    cv = Converter(pdf_name)
    try:
        #  file_name 要转换成word的文件名   start: 开始页    end 结束页    默认是0开始到最后一页
        cv.convert(str(out_file), start=0, end=None)
    except Exception as e:
        print("转化出错：", e)
        return False
    cv.close()
    return True
def get_pdf_files(path,outPut_file):
    # 遍历文件夹下所有文件,将其转成对应的pdf
    # os.walk() 遍历文件夹
    for root, dirs, files in os.walk(path):
        for file in files:
            # 使用 glob.glob() 获取所有符合条件的文件
            if file.endswith('.pdf'):
                pdf_file_path = os.path.join(root, file)  # 获取完整文件路径
                file = pdf_file_path.replace(".pdf",'.docx')
                print(file)
                pdf2doc(pdf_name=pdf_file_path,out_file=file)

get_pdf_files('pdf文件夹路径', '需要保持的word文件夹路径')

6.直接在一个新的py文件运行上面代码就可以了，下面是我某一篇运行的结果，左边为原始pdf文件，右边为转换后的word文件

1.jpg

7.注意：有的转换后的word可能会出现问题，这个需要自己打开word与pdf对照下，并修改修改。


注意：欢迎转载，转载时请注明来源      

阅读全部