基于pdf2docx模块Python实现批量将PDF转Word文档（安装+完整代码教程）
Posted 袁袁袁袁满
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于pdf2docx模块Python实现批量将PDF转Word文档（安装+完整代码教程）相关的知识，希望对你有一定的参考价值。
PDF文件是一种常见的文档格式，但是在编辑和修改时不太方便，因为PDF本质上是一种静态的文档格式。因此，有时候我们需要将PDF文件转换成Word格式，以便更好地编辑和修改文档。在本篇文章中，我们将介绍如何使用Python实现PDF转Word的功能。
文章目录
1. 为什么用Python实现？
最近想将一些PDF文件转换为Word文档，第一时间想到W某S系列都有Pdf文档转Word文档的功能，结果还要会员？？？这里针对不想付费的情况所设计的一套方案。
2. 模块安装
这里主要用到的第三方模块是pdf2docx，用下面的pip命令安装即可：
pip install pdf2docx
3. 模块介绍
pdf2docx是一个Python模块，可以用来将PDF文件转换成Word文档。它是基于Python的pdfminer和python-docx库开发的，可以在Windows、Linux和Mac系统上运行。
pdf2docx模块可以直接从PDF文件中提取文本和图片，并将其转换成可编辑的Word文档。它可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。
使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。以下是一个简单的示例代码：
import pdf2docx
# 将PDF文件转换成Word文档
pdf2docx.parse('example.pdf', 'example.docx')
在上述代码中，我们首先导入pdf2docx模块，然后使用parse函数将PDF文件example.pdf转换成Word文档example.docx。
pdf2docx模块还提供了一些其他的函数和选项，可以根据需要进行配置和使用。以下是一些常用的函数和选项：
- parse：将PDF文件转换成Word文档
- parse_pages：将PDF文件中的一页转换成Word文档
- parse_images：将PDF文件中的图片提取出来
- parse_text：将PDF文件中的文本提取出来
- parse_layout：将PDF文件中的页面布局提取出来
pdf2docx模块还支持一些高级选项，如自定义字体、颜色、大小、格式等，可以根据需要进行配置和使用。
总结：pdf2docx是一个非常实用的Python模块，可以将PDF文件转换成可编辑的Word文档。它基于pdfminer和python-docx库开发，可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。
4. 需求
Python实现批量将PDF转Word文档j，用到pdf2docx和os模块。
5. 注意事项
1、PDF文档的后缀务必是“.pdf”，否则转换不成功
2、大部分的PDF文档都可用这个程序来转换，如果是图片生成的Pdf文档，则转换不成功，原因是要将图片里的文字转换成文档涉及到人工智能的知识，它已超出这个程序的能力范围。但也不用慌，遇到此情况，可以用QQ的文件助手来帮忙，此处不赘述。
6. 完整代码实现
下方代码只需要修改file_path 文件路径即可：
import os
from pdf2docx import Converter
def pdf_docx():
# 获取当前工作目录
file_path = r'C:\\Users\\test'
# 遍历所有文件
for file in os.listdir(file_path):
# 获取文件后缀
suff_name = os.path.splitext(file)[1]
# 过滤非pdf格式文件
if suff_name != '.pdf':
continue
# 获取文件名称
file_name = os.path.splitext(file)[0]
# pdf文件名称
pdf_name = file_path + '\\\\' + file
# 要转换的docx文件名称
docx_name = file_path + '\\\\' + file_name + '.docx'
# 加载pdf文档
cv = Converter(pdf_name)
cv.convert(docx_name)
cv.close()
if __name__ == '__main__':
pdf_docx()
7. 运行结果
控制台实现打印转换的页码进程：
实现了PDF转Word：
打开的效果：
《100天精通Python》专栏推荐白嫖80g Python全栈视频
《100天精通Python从入门到就业》：本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学，从0到100的不断进阶深入，后续还有实战项目，轻松应对面试，专栏订阅地址：https://blog.csdn.net/yuan2019035055/category_11466020.html
- 优点：订阅限时9.9付费专栏进入千人全栈VIP答疑群，作者优先解答机会（代码指导、远程服务），群里大佬众多可以抱团取暖（大厂内推机会）！
- 专栏福利：简历指导、招聘内推、每周送实体书、80G全栈学习视频、300本IT电子书：Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等
ansible原理，安装，各种模块详解
ansible 是什么？.ansible是新出现的自动化运维工具，基于Python开发，集合了众多运维工具（puppet、cfengine、chef、func、fabric）的优点，实现了批量系统配置、批量程序部署、批量运行命令等功能。ansible是基于模块工作的，本身没有批量部署的能力。真正具有批量部署的是ansible所运行的模块，ansible只是提供一种框架。主要包括：
(1)、连接插件connection plugins：负责和被监控端实现通信；
(2)、host inventory：指定操作的主机，是一个配置文件里面定义监控的主机；
(3)、各种模块核心模块、command模块、自定义模块；
(4)、借助于插件完成记录日志邮件等功能；
(5)、playbook：剧本执行多个任务时，非必需可以让节点一次性运行多个任务。
ansible 特性
1.部署简单，只需在主控端部署Ansible环境，被控端无需做任何操作；
2.默认使用SSH协议对设备进行管理；
3.有大量常规运维操作模块，可实现日常绝大部分操作；
4.配置简单、功能强大、扩展性强；
5.支持API及自定义模块，可通过Python轻松扩展；
6.通过Playbooks来定制强大的配置、状态管理；
7.轻量级，无需在客户端安装agent，更新时，只需在操作机上进行一次更新即可；
8.幂等性，一个任务之行1遍或n遍效果一样，不因重复执行出现情况Ansible架构和工作原理
Ansible：Ansible核心程序。
HostInventory：记录由Ansible管理的主机信息，包括端口、密码、ip等。
Playbooks：“剧本”YAML格式文件，多个任务定义在一个文件中，定义主机需要调用哪些模块来完成的功能。
CoreModules：核心模块，主要操作是通过调用核心模块来完成管理任务。
CustomModules：自定义模块，完成核心模块无法完成的功能，支持多种语言。
ConnectionPlugins：连接插件，Ansible和Host通信使用ansible 任务执行模式
Ansible 系统由控制主机对被管节点的操作方式可分为两类，即adhoc和playbook：
ad-hoc模式(点对点模式)
使用单个模块，支持批量执行单条命令。ad-hoc 命令是一种可以快速输入的命令，而且不需要保存起来的命令。就相当于bash中的一句话shell。
playbook模式(剧本模式)
是Ansible主要管理方式，也是Ansible功能强大的关键所在。playbook通过多个task集合完成一类功能，如Web服务的安装部署、数据库服务器的批量备份等。可以简单地把playbook理解为通过组合多条ad-hoc操作的配置文件。ansible执行流程
简单理解就是Ansible在运行时， 首先读取ansible.cfg中的配置， 根据规则获取Inventory中的管理主机列表， 并行的在这些主机中执行配置的任务， 最后等待执行返回的结果。
ansible 命令执行过程
1.加载自己的配置文件，默认/etc/ansible/ansible.cfg；
2.查找对应的主机配置文件，找到要执行的主机或者组；
3.加载自己对应的模块文件，如 command；
4.通过ansible将模块或命令生成对应的临时py文件(python脚本)， 并将该文件传输至远程服务器；
5.对应执行用户的家目录的.ansible/tmp/XXX/XXX.PY文件；
6.给文件 +x 执行权限；
7.执行并返回结果；
8.删除临时py文件，sleep 0退出；
市场上常用的三种自动化编排工具
Ansible:基于ssh协议不需要代理，适合中小型应用场景
Saltstack：需要agent代理软件（执行效率更高）
Puppet:ruby,功能强大，配置复杂，适合超大型环境
ansible环境部署
主控端端：192.168.136.167
被控端01：192.168.136.168
被控端02：192.168.136.185
#三台主机都关闭防火墙
[root@localhost ~]# systemctl stop firewalld.service
[root@localhost ~]# setenforce 0
#主控端安装ansible
yum install -y epel-release //安装epel源
yum install ansible -y
ansible --version //查看ansible版本
ansible 2.9.3
config file = /etc/ansible/ansible.cfg
configured module search path = [u‘/root/.ansible/plugins/modules‘, u‘/usr/share/ansible/plugins/modules‘]
ansible python module location = /usr/lib/python2.7/site-packages/ansible
executable location = /usr/bin/ansible
python version = 2.7.5 (default, Aug 4 2017, 00:39:18) [GCC 4.8.5 20150623 (Red Hat 4.8.5-16)]
yum install tree -y
tree /etc/ansible/ //树状结构展示文件夹
/etc/ansible/
├── ansible.cfg #ansible的配置文件
├── hosts #ansible的主仓库，用于存储需要管理的远程主机的相关信息
└── roles #
cd /etc/ansible
vim hosts //配置主机清单
[webserver]
192.168.136.168
[mysql]
192.168.136.185
#推送公钥
ssh-keygen -t rsa
[root@localhost ~]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/idrsa): #回车
Created directory ‘/root/.ssh‘.
Enter passphrase (empty for no passphrase): #输入密码
Enter same passphrase again:
Your identification has been saved in /root/.ssh/idrsa.
Your public key has been saved in /root/.ssh/idrsa.pub.
The key fingerprint is:
SHA256:QnRuJjR10Jy6HuyQxQz3ccWML8iHCdQ1HZx5ba57Ak0 root@localhost.localdomain
The key‘s randomart image is:
+---[RSA 2048]----+
| +o==.ooBo+.|
| o.+o. o.B +|
| o=+= . + |
| . += o E .|
| .+S. . + . |
| o.+ . o |
| + . . . |
| o o .|
| o |
+----[SHA256]-----+
#公钥推给对方主机
ssh-copy-id root@192.168.136.168
ssh-copy-id root@192.168.136.185 //配置密钥对验证
#查看被控端两台主机的时间
[root@localhost ~]# ansible 192.168.136.168 -m command -a ‘date‘
Enter passphrase for key ‘/root/.ssh/idrsa‘:
192.168.136.168 | CHANGED | rc=0 >>
Sun Feb 9 09:02:44 CST 2020
[root@localhost ~]# ansible mysql -m command -a ‘date‘
Enter passphrase for key ‘/root/.ssh/idrsa‘:
192.168.136.185 | CHANGED | rc=0 >>
Sun Feb 9 09:03:11 CST 2020
#免交户
[root@localhost ~]# ssh-agent bash #ssh代理
[root@localhost ~]# ssh-add #添加密码
[root@localhost ~]# ansible webserver -m command -a ‘date‘
192.168.136.168 | CHANGED | rc=0 >>
Sun Feb 9 09:05:08 CST 2020---------ansible命令行模块--------
------command模块------
命令格式：ansible [主机] [-m 模块] [-a args]
ansible-doc -l //列出所有已安装的模块 注：按q退出
ansible-doc -s yum //-s列出yum模块描述信息和操作动作
#ansible默认模块,all：代表所有主机（只要主机在线），-a+‘‘号指定参数
[root@localhost ~]# ansible all -a ‘date‘
192.168.136.185 | CHANGED | rc=0 >>
Sun Feb 9 09:16:22 CST 2020
192.168.136.168 | CHANGED | rc=0 >>
Sun Feb 9 09:16:22 CST 2020
ansible 192.168.80.182 -m command -a ‘date‘ //指定ip执行date
ansible webserver -m command -a ‘date‘ //指定分类执行date
ansible mysql -m command -a ‘date‘
ansible all -m command -a ‘date‘ //所有hosts主机执行date命令
ansible all -a ‘ls /‘ 如果不加-m模块，则默认运行command模块-----cron模块------
两种状态（state）：present表示添加（可以省略），absent表示移除。
ansible-doc -s cron //查看cron模块信息
#每分钟执行一次，job：操作，echo输出heihei,name:名称
ansible webserver -m cron -a ‘minute="/1" job="/bin/echo heihei" name="test cron job"‘
192.168.136.168 | CHANGED => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": true,
"envs": [],
"jobs": [
"test cron job"
]
}
#查看周期性计划性任务
[root@localhost ~]# ansible webserver -a ‘crontab -l‘
192.168.136.168 | CHANGED | rc=0 >>
#Ansible: test cron job
/1 /usr/bin/echo heihei
ansible webserver -a ‘crontab -l‘
ansible webserver -m cron -a ‘name="test cron job" state=absent‘ //移除计划任务，假如该计划任务没有取名字，name=None即可-----user模块------
user模块是请求的是useradd, userdel, usermod三个指令
ansible-doc -s user
ansible all -m user -a ‘name="test01"‘ //创建用户test01
192.168.136.185 | CHANGED => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": true,
"comment": "",
"createhome": true,
"group": 1001,
"home": "/home/test01",
"name": "test01",
"shell": "/bin/bash",
"state": "present",
"system": false,
"uid": 1001
}
192.168.136.168 | CHANGED => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": true,
"comment": "",
"createhome": true,
"group": 1001,
"home": "/home/test01",
"name": "test01",
"shell": "/bin/bash",
"state": "present",
"system": false,
"uid": 1001
}
ansible mysql -m command -a ‘tail /etc/passwd‘
ansible webserver -m user -a ‘name="test01" state=absent‘ //删除用户test01-----group模块-----
group模块请求的是groupadd, groupdel, groupmod 三个指令。
ansible-doc -s group
ansible mysql -m group -a ‘name=mysql gid=306 system=yes‘
ansible mysql -a ‘tail /etc/group‘
[root@localhost ~]# ansible mysql -a ‘tail /etc/group‘
192.168.136.185 | CHANGED | rc=0 >>
slocate:x:21:
postdrop:x:90:
postfix:x:89:
stapusr:x:156:
stapsys:x:157:
stapdev:x:158:
tcpdump:x:72:
chen:x:1000:
mysql:x:306:
test01:x:1001:
ansible mysql -m user -a ‘name=test02 uid=306 system=yes group=mysql‘
ansible mysql -a ‘tail /etc/passwd‘
ansible mysql -a ‘id test02‘
192.168.136.185 | CHANGED | rc=0 >>
uid=306(test02) gid=306(mysql) groups=306(mysql)------copy模块--------
ansible-doc -s copy
#src原，dest目标，owner:指定文件权限
ansible mysql -m copy -a ‘src=/etc/fstab dest=/opt/fstab.back owner=root mode=640‘
ansible mysql -a ‘ls -l /opt‘
192.168.136.185 | CHANGED | rc=0 >>
total 4
-rw-r-----. 1 root root 541 Feb 9 09:44 fstab.back
drwxr-xr-x. 2 root root 6 Mar 26 2015 rh
ansible mysql -a ‘cat /opt/fstab.back‘
#contest:指定内容，生成一个新文件
ansible mysql -m copy -a ‘content="hello heihei!"
dest=/opt/fstab.back‘ //将hello heihei!写入/opt/fstab.back
ansible mysql -a ‘cat /opt/fstab.back‘
192.168.136.185 | CHANGED | rc=0 >>
hello heihei!------file模块--------
ansible-doc -s file
ansible mysql -m user -a ‘name=mysql system=yes‘
ansible mysql -m group -a ‘name=mysql system=yes‘
#path:指定文件路径
ansible mysql -m file -a ‘owner=mysql group=mysql mode=644 path=/opt/fstab.back‘ //修改文件的属主属组权限等
ansible mysql -m file -a ‘path=/opt/fstab.link src=/opt/fstab.back state=link‘ //设置/opt/fstab.link为/opt/fstab.back的链接文件
ansible mysql -m file -a "path=/opt/fstab.back state=absent" //删除一个文件
ansible mysql -m file -a "path=/opt/test state=touch" 创建一个文件
-----ping模块-------
ansible all -m ping
192.168.136.185 | SUCCESS => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": false,
"ping": "pong"
}
192.168.136.168 | SUCCESS => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": false,
"ping": "pong"
}-----service模块--------
ansible-doc -s service
[root@ab ~]# yum install -y httpd
[root@aa ~]# ansible webserver -a ‘systemctl status httpd‘ //查看web服务器httpd运行状态
ansible webserver -m service -a ‘enabled=true name=httpd state=started‘ #关闭用stop
192.168.136.185 | CHANGED => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": true,
"enabled": true,
"name": "httpd",
"state": "started",
"status": {
"ActiveEnterTimestampMonotonic": "0",
"ActiveExitTimestampMonotonic": "0",
"ActiveState": "inactive",
//启动httpd服务
[root@ab ~]# systemctl status httpd //查看是否开启
------shell模块-----
ansible-doc -s shell
[root@localhost ~]# ansible webserver -m shell -a ‘echo abc123|passwd --stdin chen‘
192.168.136.168 | CHANGED | rc=0 >>
Changing password for user chen.
passwd: all authentication tokens updated successfully.
//创建用户使用无交互模式给用户设置密码------script模块---------
#本地创建脚本让其他所有被控端主机一起执行这个脚本
ansible-doc -s script
vi test.sh
#!/bin/bash
echo "hello ansible from script"> /opt/script.txt
chmod +x test.sh
ansible mysql -m script -a ‘test.sh‘
[root@localhost ~]# ansible mysql -a ‘cat /opt/script.txt‘
192.168.136.185 | CHANGED | rc=0 >>
hello ansible from script-----yum模块-----
ansible-doc -s yum
ansible mysql -m yum -a ‘name=httpd‘ //yum安装httpd
192.168.136.185 | CHANGED => {
"ansiblefacts": {
"discoveredinterpreterpython": "/usr/bin/python"
},
"changed": true,
"changes": {
"installed": [
"httpd"
]
},
"msg": "",
"rc": 0,
"results": [
[root@ac ~]# rpm -q httpd
ansible mysql -m yum -a ‘name=httpd state=absent‘ //卸载zsh
[root@ac ~]# rpm -q httpd-----setup模块-------
ansible-doc -s setup
ansible mysql -m setup //获取mysql组主机的facts信息
***以上是关于基于pdf2docx模块Python实现批量将PDF转Word文档（安装+完整代码教程）的主要内容，如果未能解决你的问题，请参考以下文章