Python 实现加密过的PDF文件转WORD格式


Posted in Python onFebruary 04, 2020

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:

pip install pdfminer3k

2、docx安装库命令:

pip install python_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 -*-
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
#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
def parse(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
 if not doc.is_extractable:
  raise PDFTextExtractionNotAllowed
 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
  for page in doc.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()
   for x in layout:
    if isinstance(x,LTImage): # 图片对象
     num_image += 1
    if isinstance(x,LTCurve): # 曲线对象
     num_curve += 1
    if isinstance(x,LTFigure): # figure对象
     num_figure += 1
    if isinstance(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
     with open(r'test2.doc', 'a',encoding='utf-8') as f: #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!

Python 相关文章推荐
Python结合ImageMagick实现多张图片合并为一个pdf文件的方法
Apr 24 Python
python3调用百度翻译API实现实时翻译
Aug 16 Python
python使用插值法画出平滑曲线
Dec 15 Python
使用Python操作FTP实现上传和下载的方法
Apr 01 Python
Python的numpy库下的几个小函数的用法(小结)
Jul 12 Python
在Pytorch中使用样本权重(sample_weight)的正确方法
Aug 17 Python
python3实现弹弹球小游戏
Nov 25 Python
python实现自动化报表功能(Oracle/plsql/Excel/多线程)
Dec 02 Python
Python函数式编程实例详解
Jan 17 Python
Python3如何在服务器打印资产信息
Aug 27 Python
社区版pycharm创建django项目的方法(pycharm的newproject左侧没有项目选项)
Sep 23 Python
python 获取字典键值对的实现
Nov 12 Python
解决tensorflow打印tensor有省略号的问题
Feb 04 #Python
对Tensorflow中tensorboard日志的生成与显示详解
Feb 04 #Python
在 Python 中接管键盘中断信号的实现方法
Feb 04 #Python
在TensorFlow中屏蔽warning的方式
Feb 04 #Python
Python和Anaconda和Pycharm安装教程图文详解
Feb 04 #Python
Python3.7黑帽编程之病毒篇(基础篇)
Feb 04 #Python
python with (as)语句实例详解
Feb 04 #Python
You might like
星际争霸 Starcraft 编年史
2020/03/14 星际争霸
PHP临时文件的安全性分析
2014/07/04 PHP
php常用文件操作函数汇总
2014/11/22 PHP
Laravel用户授权系统的使用方法示例
2018/09/16 PHP
PHPUnit + Laravel单元测试常用技能
2019/11/06 PHP
Laravel框架下的Contracts契约详解
2020/03/17 PHP
禁止JQuery中的load方法装载IE缓存中文件的方法
2009/09/11 Javascript
很好用的js日历算法详细代码
2013/03/07 Javascript
向当前style sheet中插入一个新的style实现方法
2013/04/01 Javascript
js 加密压缩出现bug解决方案
2014/11/25 Javascript
纯JavaScript实现获取onclick、onchange等事件的值
2014/12/29 Javascript
浅谈webpack SplitChunksPlugin实用指南
2018/09/17 Javascript
Layui之table中的radio在切换分页时无法记住选中状态的解决方法
2019/09/02 Javascript
JavaScript实现矩形块大小任意缩放
2020/08/25 Javascript
[01:12]DOTA2次级职业联赛 - Newbee.Y 战队宣传片
2014/12/01 DOTA
[01:05:56]Liquid vs VP Supermajor决赛 BO 第二场 6.10
2018/07/04 DOTA
[02:36]DOTA2-DPC中国联赛 正赛 PSG.LGD vs Magma 选手采访
2021/03/11 DOTA
Python使用sftp实现上传和下载功能(实例代码)
2017/03/14 Python
python爬虫之xpath的基本使用详解
2018/04/18 Python
Django实现一对多表模型的跨表查询方法
2018/12/18 Python
NumPy 数组使用大全
2019/04/25 Python
python,Django实现的淘宝客登录功能示例
2019/06/12 Python
PyQt5使用QTimer实现电子时钟
2019/07/29 Python
卫校中专生个人自我评价
2013/09/19 职场文书
《问银河》教学反思
2014/02/19 职场文书
小班开学寄语
2014/04/04 职场文书
安全生产承诺书范文
2014/05/22 职场文书
社区春季防火方案
2014/06/02 职场文书
在校实习生求职信
2014/06/18 职场文书
教师工作自我鉴定范文
2014/09/14 职场文书
2014年药店工作总结
2014/11/20 职场文书
2015元旦主持词开场白和结束语
2014/12/14 职场文书
个人汇报材料范文
2014/12/30 职场文书
先进教师个人主要事迹材料
2015/11/03 职场文书
Ajax 的初步实现(使用vscode+node.js+express框架)
2021/06/18 Javascript
新手入门Mysql--概念
2021/06/18 MySQL