Python 实现加密过的PDF文件转WORD格式
实现方法简介
许多文件都支持转换为PDF格式，诸如Word，Excel，PowerPoint，Cad以及图片格式。所以pdf从学校到职场，都可以看到pdf文件的身影。
为了保证了文件的安全性，正常情况下无法对pdf的内容进行编辑。但是相应的我们就无法修改pdf的内容，也不便于pdf资料的使用。虽然现在市面上有很多pdf转word软件，比如wps，但大多数的软件是要收费的，并且价格不菲。前些天就有人叫我帮她把pdf文档转成word的文档。因为写尽调报告需要去查看各种信评资料，往往这些资料都是pdf格式的文件，而且经常出现加密文档，为了方便查找和复制相关资料，将加密过的pdf文件转换成word文档就会便捷不少，提高使用效率。
于是想到写个程序，把pdf转成word文档。秉承着不要重复造轮子的想法，我首先在网上搜索了下相关代码。大多是针对未加密过的pdf文件来实现，本文结合加密文档的特殊性写了相关程序来实现这个功能。
支持加密文件的格式转换
代码效果
环境配置
1、pdfminer安装库命令：
pipinstallpdfminer3k
2、docx安装库命令：
pipinstallpython_docx
注：pdf中非图片构成的部分才能被成功转换：
#-*-coding:UTF-8-*-
#!/usr/bin/python
#-*-coding:utf-8-*-
importsys
importimportlib
importlib.reload(sys)
frompdfminer.pdfparserimportPDFParser,PDFDocument
frompdfminer.pdfinterpimportPDFResourceManager,PDFPageInterpreter
frompdfminer.converterimportPDFPageAggregator
frompdfminer.layoutimport*
frompdfminer.pdfinterpimportPDFTextExtractionNotAllowed
importos
#设置工作目录文件夹
os.chdir(r'c:/users/dicey/desktop/codes/pdf-docx')
#解析pdf文件函数
defparse(pdf_path):
fp=open('diya.pdf','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'test2.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'diya.pdf'#pdf文件路径及文件名
parse(pdf_path)
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()
如果有密码就写入相应的密码
未知加密方式的pdf文件
如果pdf文件的加密方式不知道，影响文件的复制和打印等可以先利用chrome浏览器来取消加密逻辑
实现方式很简单，只需要将加密的文件拖入到chrome浏览器再选择打印另存为就可以，破除加密后再使用程序转换文件格式
总结
以上所述是小编给大家介绍的Python实现加密过的PDF文件转WORD格式，希望对大家有所帮助！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。