許多文件都支持轉換為PDF格式，諸如Word，Excel，PowerPoint，Cad以及圖片格式。所以pdf從學校到職場，都可以看到pdf文件的身影。
為了保證了文件的安全性，正常情況下無法對pdf的內容進行編輯。但是相應的我們就無法修改pdf的內容，也不便于pdf資料的使用。雖然現在市面上有很多 pdf 轉 word 軟件，比如 wps，但大多數的軟件是要收費的，并且價格不菲。前些天就有人叫我幫她把 pdf 文檔轉成 word 的文檔。因為寫盡調報告需要去查看各種信評資料，往往這些資料都是pdf格式的文件，而且經常出現加密文檔，為了方便查找和復制相關資料，將加密過的pdf文件轉換成word文檔就會便捷不少，提高使用效率。
于是想到寫個程序，把 pdf 轉成 word 文檔。秉承著不要重復造輪子的想法，我首先在網上搜索了下相關代碼。大多是針對未加密過的pdf文件來實現，本文結合加密文檔的特殊性寫了相關程序來實現這個功能。
代碼效果
環境配置
1、pdfminer安裝庫命令：
pip install pdfminer3k
2、docx安裝庫命令：
pip install python_docx
注：pdf中非圖片構成的部分才能被成功轉換：
#-*- 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
def parse(pdf_path):
fp = open('diya.pdf', 'rb') # 以二進制讀模式打開
# 用文件對象來創建一個pdf文檔分析器
parser = PDFParser(fp)
# 創建一個PDF文檔
doc = PDFDocument()
# 連接分析器 與文檔對象
parser.set_document(doc)
doc.set_parser(parser)
# 提供初始化密碼
# 如果沒有密碼 就創建一個空的字符串
doc.initialize()
# 檢測文檔是否提供txt轉換，不提供就忽略
if not doc.is_extractable:
raise PDFTextExtractionNotAllowed
else:
# 創建PDf 資源管理器 來管理共享資源
rsrcmgr = PDFResourceManager()
# 創建一個PDF設備對象
laparams = LAParams()
device = PDFPageAggregator(rsrcmgr, laparams=laparams)
# 創建一個PDF解釋器對象
interpreter = PDFPageInterpreter(rsrcmgr, device)
# 用來計數頁面，圖片，曲線，figure，水平文本框等對象的數量
num_page, num_image, num_curve, num_figure, num_TextBoxHorizontal = 0, 0, 0, 0, 0
# 循環遍歷列表，每次處理一個page的內容
for page in doc.get_pages(): # doc.get_pages() 獲取page列表
num_page += 1 # 頁面增一
interpreter.process_page(page)
# 接受該頁面的LTPage對象
layout = device.get_result()
for x in layout:
if isinstance(x,LTImage): # 圖片對象
num_image += 1
if isinstance(x,LTCurve): # 曲線對象
num_curve += 1
if isinstance(x,LTFigure): # figure對象
num_figure += 1
if isinstance(x, LTTextBoxHorizontal): # 獲取文本內容
num_TextBoxHorizontal += 1 # 水平文本框對象增一
# 保存文本內容
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('對象數量：\n','頁面數：%s\n'%num_page,'圖片數：%s\n'%num_image,'曲線數：%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
如果沒有密碼 就創建一個空的字符串
doc.initialize()
如果有密碼 就寫入相應的密碼
如果pdf文件的加密方式不知道，影響文件的復制和打印等可以先利用chrome瀏覽器來取消加密邏輯
實現方式很簡單，只需要將加密的文件拖入到chrome瀏覽器再選擇打印另存為就可以，破除加密后再使用程序轉換文件格式
總結
以上所述是小編給大家介紹的Python 實現加密過的PDF文件轉WORD格式，希望對大家有所幫助！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
