-
?
Python那些事——60行Python代码,实现多线程PDF转Word
雍静曼
展开
今天教大家用60行代码实现,多线程批量PDF转Word。没兴趣看具体过程可以直接拉到最后,有代码。
分解任务
把PDF转为Word,分几步?两步,第一步读取PDF文件,第二步写入Word文件。
是的,就是这么简单,借助Python第三方包,可以轻松实现上面两个过程,我们要用到pdfminer3k和 python-docx这两个包。
读取PDF
from pdfminer.pdfinterp import PDFResourceManagerfrom pdfminer.pdfinterp import process_pdffrom pdfminer.converter import TextConverterfrom pdfminer.layout import LAParamsresource_manager = PDFResourceManager()return_str = StringIO()lap_params = LAParams()device = TextConverter(resource_manager, return_str, laparams=lap_params)process_pdf(resource_manager, device, file) // file是使用open方法打开的PDF文件句柄device.close()// 此处content就是转换为文字的PDF内容content = return_str.getvalue()
content变量存储的就是我们从PDF文件中读取出的文字内容,可以看到,使用pdfminer3k可以轻松完成这个任务。接下来我们需要把文字内容写入成一个word文件。
写入Word
from docx import Documentdoc = Document()for line in content.split(\n'): paragraph = doc.add_paragraph() paragraph.add_run(remove_control_characters(line))doc.save(file_path)
content是我们前面读取出的文字内容,由于是讲整个PDF读成一个字符串,所以需要使用split方法将每一行分隔开,然后按行写入word,否则所有的文字会在同一行。同时这段代码使用了一个remove_control_characters函数,这个函数是需要自己实现的,目的是移除控制字符(换行符、制表符、转义符等),因为python-docx是不支持控制字符写入的。
def remove_control_characters(content): mpa = dict.fromkeys(range(32)) return content.translate(mpa)
控制字符就是ASCII码在32以下的,所以我们使用str的translate方法,把32以下的字符移除就可以。
用是能用,但是太慢了!
如果我们用上面代码去转换100个PDF文件,就会发现速度慢到难以接受,每个PDF都需要花很长时间才能转换好,怎么办?别急,接下来我们引入多线程,同时转换多个PDF,可以有效加快转换速度。
import osfrom concurrent.futures import ProcessPoolExecutorwith ProcessPoolExecutor(max_workers=int(config['max_worker'])) as executor: for file in os.listdir(config['pdf_folder']): extension_name = os.path.splitext(file)[1] if extension_name != '.pdf': continue file_name = os.path.splitext(file)[0] pdf_file = config['pdf_folder'] + '/' + file word_file = config['word_folder'] + '/' + file_name + '.docx' print('正在处理: ', file) result = executor.submit(pdf_to_word, pdf_file, word_file) tasks.append(result)while True: exit_flag = True for task in tasks: if not task.done(): exit_flag = False if exit_flag: print('完成') exit(0)
代码中config是包含存储PDF文件夹地址和word文件夹地址的字典,使用Python标准库中的concurrent包,实现多进程,pdf_to_word方法是对上面读取PDF和写入word逻辑的封装。后面的while循环是查询任务是否进行完成。
效果
到这里,我们已经实现了多线程批量转换PDF为word文档。拿谋篇著名文章来试验一下,效果如图(左侧是转换后的word,右侧是PDF):
不想写代码,只想用
本文介绍的所有代码,已经打包成了一个独立可运行的项目,存放在github,如果不想自己写代码,可以直接clone或下载github项目运行。项目地址如下(记得点star)
-
?
pdf免费怎样转换成word?这个神技能你必须得知道
芷卉
展开
平时大家会接触的文档各种各样,也经常需要进行格式的转换,所以掌握各种格式之间的转换方法是非常有必要的,下面分享pdf转换成word、jpg、ppt的神技能,你必须得知道。
首先跟大家说明一下:
这些格式转换都是用一种工具完成的,而且都是免费的(但是文件的大小需要在2m内,2m内的文件想怎么转就怎么转,超过2m的就需要自己注册或者想办法了)
工具:在线pdf转换器
是否收费:免费
可转换文件大小:2m
pdf转换成word、jpg、ppt等格式的具体方法,这里以pdf转word为例,其他参考就行了,步骤都是一样的。
1、先找到在线pdf转换器平台;
2、进入后选择一下文档的转换格式,这里有几十种功能,办公完全是够用的;
3、选择好转换格式之后添加要转换的文档到页面中来;
4、(有需要设置转换页面的可以在下方设置)然后单击开始转换按钮就可以了。
5、转换一会就能完成,大家只要在转换完成之后将转换好的文档下载下来就可以了。
以上就是将pdf转换成word格式的方法啦,很简单,大家自己动手操作一下就会了。
-
?
pdf转word在线 推荐几个在线pdf转化成word网站
男瓜
展开
网上有很多在线pdf转化成word网站,下面列举几个比较出名、转换效果较好的pdf在线转换网站,比如转转大师;Smallpdf;迅捷在线转换器等等。推荐几个在线pdf转化成word网站,一起来看下文简要介绍。
一、转转大师
支持格式有4种,分别是:pdf转word、word转pdf、ppt转pdf、excel转pdf,仅支持1M内文件转换。
二、Smallpdf
支持pdf转word、word转pdf、ppt转pdf、excel转pdf等十几种格式转换,转换效果比较好,不过一个小时只能转2份文件。
三、迅捷PDF转换器
支持格式非常多,分别有:pdf、excel、ppt、jpg、txt之间的相互转换,还有pdf压缩合并、电子书在线转换、图片在线转换,不过仅支持2M内文件的转换。
四、专业人工转换
对于专业人工转换工作人员来说,可以转几乎当前所有文件,比如PDF转Word、PDF转PPT、PDF转Exel、PDF转图片等等,而且专业的人工转换甚至还可以转大文件、部分扫描件,排版校对,需要转少量文件可以提交人工转换。
-
?
pdf怎么转换成word免费在线转换,一般人我不告诉他
李文
展开
现在对于电脑办公,大家都已经习以为常了,而且可以说各行各业都已经离不开了电脑,像记录数据、项目策划等都喜欢在电脑上进行,而说到电脑,就不得不提一下现在比较热门的一种文件格式了——PDF。
这种文件格式相信很多人不会陌生,但小编还是要说一下,这种文件格式的优点在于传送之后不会出现乱码的情况,而且也不用担心别人修改我们的文件,这就说明了PDF文件是很难进行修改的。那么如果工作中需要我们将PDF文件进行修改怎么办?
小编告诉大家,我们可以先将PDF转换成WORD文档,这样不就可以修改了吗?不过大多数的文件转换都需要收费,但是小编这么机智的人怎么可能让大家花钱呢,对不对。下面小编就悄悄的告诉大家PDF怎么转换成WORD免费进行。
1、首先你得打开浏览器,直接在浏览器中输入“PDF转换器”,这样你就能够看到在线网站了,点击进入。
2、进入在线网站之后,你会看到许多的转换功能,不过我们今天的目的是将PDF转换成WORD,所以只需要找到“PDF转WORD”,点击跳转到转换页面就好了。
3、接下来点击添加文件,我们就能够看到很多一个窗口,在窗口中找到我们所需要转换的pdf文件,点击添加在软件中就可以了。
4、添加完成之后,我们看到下面还有许多的选项:页码选择、选择转换格式、公开文件,这就看每个人的需求了。
5、设置完成,最后就可以点击“开始转换”来将pdf转word了,转换的过程很快就能够完成,你可以在下面看到进度条。
6、转换好的WORD文件会保存在“我的文件”中,可以存24个小时,这期间你可以将文件下载保存在电脑上。
大家可以放心,小编这个方法是免费有效的,找了很久,一般人我才不告诉他!如果你还有什么问题可以直接在下面留言告诉小编,小编都会为你解答的。
-
?
超过100兆的PDF怎样批量快速高效的转换成word?
Rauma
展开
生活中我们经常会看到我们需要使用的pdf文件,pdf文档的格式规范,字体、图像等等都需要有描述,这样才能显示。但是往往我们不能复制使用。那么怎样将PDF转换成word文档呢?PDF转换成word格式转换器操作简单吗?关于PDF转换成word格式,相信大家有很多的问题,接下来图可一一为大家解答。
下面图可给大家推荐一款自己一直在使用的PDF转换器专门处理pdf转word文件。北斗pdf转换器软件 V6.5的基础功能就是将pdf转成word文件后可以进行编辑、复制引用等。怎么用北斗将PDF文档转换成word呢?在这里我做了一份视频资料给到大家。
浏览器版本过低,暂不支持视频播放 -
?
最好用的PDF转可编辑word方法
丁诗云
展开
PDF转word,相信很多人都会用到吧,尤其是学生党和上班族,写论文要用到,工作要用到,其实PDF转word非常简单。
但是PDF转成可编辑形式的word就不是那么简单了。
网上有很多网站提供了免费的PDF转word,但基本上很少有转成可编辑的word的,就连部分收费的软件,也没有这个功能。
但其实这个功能每个人的电脑都有这个,只是你没发现而已。
这就是电脑的word软件,是微软的word,不是WPS(记得用WPS转换是收费的)
温馨提示:至少得是word2010,版本越高越好,我用的是2016
步骤
01 找到PDF文件,右键,打开方式选择word
02 会弹出提示,点击确定即可转换成可编辑的word
右下角有转换的进度,一般来说很快,几秒钟就转换成功了
03 然后就可以另存为word文档
排版可能和PDF稍微有点出入,可以稍微排版一下就好
记得另存为word文档,这样子就是真正的word形式了。
当然,说到用网站在线转换其实也还是有的,比如说smallpdf
轻松玩转PDF。
十几个关于PDF的功能,玩转PDF!只要文件不大,可以免费转换!
网站:https://smallpdf/cn
当然另外一个方法就是利用OCR文字识别工具,我之前也发过了
不到1M的ocr文字识别神器,集合百度、腾讯、有道、搜狗四大接口
总结
①用微软word自带的功能进行转换,最方便快捷,无需联网
②用网站在线转换,功能更多,速度慢一点
③OCR文字识别,速度最慢,一个个扫描识别
-
?
如何将PDF批量转换成Word?纯干货分享!
易云
展开
办公中经常需要执行文档间的相互转换,比如Word转换成PDF或者PDF转换成Word。单单对于转换来说,这些根本难不倒我们,但要提升工作效率,还得依靠迅捷PDF转换器的批量转换功能。
迅捷PDF转换器以简洁的界面、简单的操作和高效的转换率俘获了很多用户的称赞。接下来随小编一起来看下,它是如何将PDF批量转换成Word的。
一、迅捷PDF转换器的下载及安装。
它共有三种下载渠道,分别是:搜索下载、下载站下载、官网下载
搜索下载:百度搜索关键词:迅捷PDF转换器,然后选择其一进行下载。
下载站下载与官网下载,这里就不作过多阐述了。
二、文本型PDF批量转换成Word。
完成迅捷PDF转换器的下载及安装后,软件会自动运行,进入软件界面。在众多的转换按钮中,单击选择“文件转Word”按钮。该按钮支持将PDF、Excel、PPT批量转换成Word。
选择好转换按钮后,点击软件中的“添加文件”、“添加文件夹”按钮,然后选中所有需要转换的文件将其添加至软件中。
最后一步:单击右下角的“开始转换”按钮,软件就会执行转换命令,针对上传的文件进行转换操作。
文件转换完成后,所有文档后面的进度条会显示为:100%。这意味着所有文件都已转换成Word文档,单击下图中的按钮即可打开文件进行查看。
以上就是迅捷PDF转换器的操作使用步骤。办公中只有借助迅捷PDF转换器这种批量转换的功能才能够真正提升工作效率。
三、技巧拓展:扫描类PDF文件如何转换成Word?
扫描类PDF文件由一组组图片组成,该类型文件是无法使用迅捷PDF转换器进行转换的。如需将其转换成Word,需要借助当前先进的OCR技术。当前引用该技术的工具有:捷速OCR文字识别软件。
-
?
快速将PDF转换成Word的方法,超级简单!
Levi
展开
我们经常会接触到PDF格式的文件,因为PDF格式具有方便阅读、安全性高等特点,所以现在很多人都会选择将其他格式的文件转换成PDF文件进行传递阅读。但是,想要在PDF格式上直接进行编辑修改,那就有点难度了,这也就是PDF格式的缺点所在。接下来小编就来告诉大家一个超级简单的转换方法,教大家快速将PDF转换成Word。
这个方法只要浏览器就能解决,相信大家的电脑上都有浏览器,首先打开浏览器,访问图片中的地址,然后按回车键进入便捷PDF在线转换网站。为什么小编选择这个在线网站,因为它支持的格式非常多,功能也非常强大!
便捷PDF转换器进入网站之后,直接单击“PDF转Word”按钮,这意味着接下来我们需要将PDF文件转换成Word文档。
选对按钮后,下一步则理所当然的单击“选择上传文件”按钮,将PDF文件添加至网站中。
完成上面两个步骤,就可以单击“开始转换”按钮,执行文件转换命令。根据文件的大小,转换时间会有所不同。
PDF文件转换完毕,界面中会呈现出一个“立即下载”按钮,单击它就可以将转换好的Word文档下载至我们的电脑中。
怎样?这个PDF转换成Word的方法是不是超级简单!该网站仅限于10M内的文件转换。
为了保证PDF文件能够完整、有效的进行转换,在这里也分享个PC端的PDF转换器。下面小编也简单介绍下它的一个使用教程吧。
准备工作:下载安装转转大师PDF转换器
转转大师PDF转换器打开转转大师PDF转换器,单击界面中的“PDF转Word”按钮。
然后就是添加文件、开始转换。这里可以直接拖拽添加、也可以单击“添加文件”按钮进行添加;文件添加好后,只需单击“开始转换”按钮即可。
无论是PDF在线转换,还是PC端PDF转换器的转换,其步骤都是超级的简单。
希望可以帮助你解决PDF转换的问题。
-
?
手把手 | 20行Python代码教你批量将PDF转为Word
梅瓦吉西
展开
大数据文摘作品
投稿作者|丁彦军
在日常工作或学习中,经常会遇到这样的无奈:
“小任,你把这个PDF中的文件码出来发我”
艹,倒霉,2M的PDF12点也完不了啊!
很多时候在学习时发现许多文档都是PDF格式,PDF格式却不利于学习使用,因此需要将PDF转换为Word文件,但或许你从网上下载了很多软件,但只能转换前五页(如WPS等),要不就是需要收费,那有没有免费的转换软件呢?
so,我们给各位带来了一个免费简单快速的方法,手把手教你用Python批量处理PDF格式文件,获取自己想要的内容,存为word形式。
在实现PDF转Word功能之前,我们需要一个python的编写和运行环境,同时安装好相关的依赖包。 对于python环境,我们推荐使用PyCharm。 在本地电脑环境,anaconda提供了非常便利的安装和部署。
PDF转Word功能所需的依赖包如下:
PDFParser(文档分析器)PDFDocument(文档对象)PDFResourceManager(资源管理器)PDFPageInterpreter(解释器)PDFPageAggregator(聚合器)LAParams(参数分析器)
前期准备工作
说明:本文是在Windows7下使用python最新的3.6版本
1.安装pdfminer3k模块
安装anaconda后,直接可以通过pip安装
2.若安装不成功,可以试试下面方法
首先下载pdfminer3k:https://pypi.python.org/pypi/pdfminer3k;然后安装pdfminer,将下载好的pdfminer3k解压到D:或其他合适的盘符,通过win+r 打开运行窗口,输入cmd;输入D:切换到D盘,cd pdfminer3k(pdf解压的文件夹),输入setup.py install安装软件。
最终显示Finished,则代表成功
代码实操
1.导入相关包
from pdfminer.pdfparser import PDFParser, PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.layout import LAParamsfrom pdfminer.converter import PDFPageAggregator
整体思路为:构造文档对象,解析文档对象,提取所需内容
构造文档对象
构造解释器
2.导入需要解析的PDF文件
将所需解析的文件与执行代码放到同一个目录下,如图:
test.pdf内容
3.具体代码如下:
from pdfminer.pdfparser import PDFParser, PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.layout import LAParamsfrom pdfminer.converter import PDFPageAggregatorfrom pdfminer.pdfinterp import PDFTextExtractionNotAlloweddef parse():#rb以二进制读模式打开本地pdf文件 fn = open('test.pdf','rb') #创建一个pdf文档分析器 parser = PDFParser() #创建一个PDF文档 doc = PDFDocument() #连接分析器 与文档对象 parser.set_document() doc.set_parser() # 提供初始化密码doc.initialize("lianxipython") # 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if not doc.is_extractable: raise PDFTextExtractionNotAllowedelse: #创建PDf资源管理器 resource = PDFResourceManager() #创建一个PDF参数分析器 laparams = LAParams()#创建聚合器,用于读取文档的对象 device = PDFPageAggregator(resource,laparams=laparams) #创建解释器,对文档编码,解释成Python能够识别的格式 interpreter = PDFPageInterpreter(resource,device) # 循环遍历列表,每次处理一页的内容 # doc.get_pages() 获取page列表for page in doc.get_pages(): #利用解释器的process_page()方法解析读取单独页数 interpreter.process_page(page) #使用聚合器get_result()方法获取内容 layout = device.get_result() #这里layout是一个LTPage对象,里面存放着这个page解析出的各种对象for out in layout: #判断是否含有get_text()方法,获取我们想要的文字if hasattr(out,"get_text"): print(out.get_text()) with open('test.txt','a') as f: f.write(out.get_text()+'\n')if __name__ == '__main__': parse()
最终得到的test.txt结果如下:
结束
对于Python批量PDF转Word的操作介绍就到此,本文仅仅作为一种运用库展示代码编写过程,具体技术还需要有兴趣的朋友,与我一起讨论专研,互相学习进步。
本文为投稿作品,仅代表个人观点。
作者介绍:
一个痴迷于Python语言的业余程序猿,经过半年苦练,经历过从入门到放弃,现在庆幸走到痴迷于Python状态。未来的理想是能够与一群痴迷于Python语言的程序猿做有意义的事。知乎专栏链接:https://zhihu/people/cai-niao-fen-xi-64/activities
-
?
PDF转Word免费在线转换工具推荐
影清瘦
展开
日常办公很多时候都需要编辑PDF文件,但需要借助其他工具才能编辑,倒不如转换成Word更直接。单一使用转换功能就不想下载第三方软件,而且在外打印也不方便,因此,在线转换的网站就非常实用了!今天为大家整理了几个PDF转Word的在线网站,希望能帮到你!
LightPDF
传送门:https://lightpdf/zh/pdf-to-word
LightPDF是一个轻量级的免费在线PDF转换网站,界面清晰简单,只需上传了文件网站就会自动完成转换、压缩、分割、合并、签名、编辑等操作。一般网站都会对PDF文件大小进行限制,但LightPDF最大能上传1GB的文件,完全满足了日常办公需要!
Smallpdf
传送门:https://smallpdf/cn
非常多推荐的一个在线网站,色彩缤纷的界面让人在办公也得到愉悦,这是一个高质量的在线转换工具,在首页找到PDF转Word功能后,可以从本地、Dropbox或者谷歌云盘上传文件,即使在外也能快速实行转换了!唯一美中不足的就是广告了~
iLovePDF
传送门:
https://ilovepdf/zh_cn
一个以转换功能为主的免费在线PDF处理网站,上传了文件后可转换为doc或docx类型的文件,而且转换准确率很高,同样可以在Dropbox或者谷歌云盘上传或者保存文件,完全的云端操作不占用本地内存,大赞!
PDF2GO
传送门:https://pdf2go/zh/pdf-to-word
支持PDF文件互换为Word、PPT、JPG等格式,转换前可以自己选择转换的文件格式,并选择文件源语言,提高转换的准确性,非常人性化。网站还支持转换网页上的PDF文件,唯一需要注意的是,可能需要用科学上网才能使用全部功能。
PDF.io
传送门:https://pdf.io/tw/
这是一款国外的PDF在线转换网站,功能十分强大,而且图标也很形象生动。主要可以进行PDF合并、转换、保护、解密、压缩等功能,但目前只有繁体中文,而且不用科学上网有可能影响功能的使用。
以上介绍的几款都是非常实用的免费在线转换网站,好好利用肯定能提高工作效率!