Bagaimana untuk menggunakan dua baris kod Python untuk menukar pdf kepada perkataan

一、安装依赖包

pip install --index https://pypi.mirrors.ustc.edu.cn/simple/ python-office

二、pdf转perkataan

2.1 代码实玜>ree过程如下：

[1/4] Membuka dokumen...

[INFO] [2/4] Menganalisis dokumen...

[AMARAN] cap waktu yang 'dibuat' kelihatan sangat rendah ; berkenaan sebagai cap waktu unix
[AMARAN] cap waktu 'diubah suai' kelihatan sangat rendah; berkenaan sebagai cap waktu unix
[AMARAN] cap waktu 'dicipta' nampaknya sangat rendah; berkenaan sebagai cap waktu unix
[AMARAN] cap waktu 'diubah suai' kelihatan sangat rendah; berkenaan sebagai cap waktu unix
[INFO] [3/4] Menghuraikan halaman...
[INFO] (1/9) Halaman 1
[INFO] (2/9) Halaman 2
[ INFO] (3/9) Halaman 3
[INFO] (4/9) Halaman 4
[INFO] (5/9) Halaman 5
[INFO] (6/9) Halaman 6
[INFO] (7/9) Halaman 7
[INFO] (8/9) Halaman 8
[INFO] (9/9) Halaman 9
[INFO] [4/4] Mencipta halaman ...
[INFO] (1/9) Halaman 1
[INFO] (2/9) Halaman 2
[INFO] (3/9) Halaman 3
[INFO] (4 /9) Halaman 4
[INFO] (5/9) Halaman 5
[INFO] (6/9) Halaman 6
[INFO] (7/9) Halaman 7
[INFO] (8/9) Halaman 8
[INFO] (9/9) Halaman 9
[INFO] Ditamatkan dalam 1.30s.
 
Proses selesai dengan kod keluar 0

< . >

补充

除了上文的办法，小编还为大家整理了更多Python实现的PDF转法，小编还为大家整理了更多Python实现的PDF转法的转有行从一下

方法一：

import office
office.pdf.pdf2docx(file_path = 'test.pdf')

方法二：

加密过的PDF转word

import os
from configparser import ConfigParser
from io import StringIO
from io import open
from concurrent.futures import ProcessPoolExecutor

from pdfminer.pdfinterp import PDFResourceManager
from pdfminer.pdfinterp import process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from docx import Document


def read_from_pdf(file_path):
    with open(file_path, 'rb') as file:
        resource_manager = PDFResourceManager()
        return_str = StringIO()
        lap_params = LAParams()

        device = TextConverter(
            resource_manager, return_str, laparams=lap_params)
        process_pdf(resource_manager, device, file)
        device.close()

        content = return_str.getvalue()
        return_str.close()
        return content


def save_text_to_word(content, file_path):
    doc = Document()
    for line in content.split('\n'):
        paragraph = doc.add_paragraph()
        paragraph.add_run(remove_control_characters(line))
    doc.save(file_path)


def remove_control_characters(content):
    mpa = dict.fromkeys(range(32))
    return content.translate(mpa)


def pdf_to_word(pdf_file_path, word_file_path):
    content = read_from_pdf(pdf_file_path)
    save_text_to_word(content, word_file_path)


def main():
    config_parser = ConfigParser()
    config_parser.read('config.cfg')
    config = config_parser['default']

    tasks = []
    with 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)


if __name__ == '__main__':
    main()

Atas ialah kandungan terperinci Bagaimana untuk menggunakan dua baris kod Python untuk menukar pdf kepada perkataan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!