大家在日常的工作學習過程中，都會遇到一個問題就是將pdf中的文本內容轉化爲word的形式，也就是從只讀變成可讀寫的形式。面對這種情況，大家大都採用網上的工具，但是網上的工具良莠不齊，很難達到我們的需求。
今天，小編就帶領大家利用python來實現如何將pdf的內容轉化爲word文檔。同時我們還將提取pdf中的圖片，保存到我們的指定文件夾內。
01.文字的提取
我們首先要做的是對於pdf中文本的提取，如下圖所示：
Pdf中文字是隻允許我們進行只讀，但是無法進行更改，所以我們要做的就是提取pdf中的文字信息，然後將提取到的文字寫入到word文件當中，讓我們能夠進行後續的改寫。對於文字的提取，我們利用的是pdfminer函數庫，其主要的函數如下圖所示：
程序首先利用get_content_from_pdf函數來返回pdf中提取到的數據；
然後分別創建了PDFResourceManager對象來保存共享數據內容，PDFPageAggregator對象來將資源對象處理成我們需要的格式，而PDFPageInterpreter則是用來處理頁面的內容；
程序中page_index用來幫助我們設定需要提取哪幾頁的內容，對於我們需要提取的頁面，通過創建的PDFPageInterpreter對象來對頁面信息進行解釋；
最後通過PDFPageAggregator對象來對數據進行處理；
這裏的layout中就包含了頁面解析出來的各種對象。包括文本，圖片等信息。但是小編髮現，對於圖片的提取，pdfminer的效果很不好，所以後面針對於圖片的提取，小編採用的fitz庫進行單獨的處理，取得很好的圖片提取效果。說了這麼多，我們先來看一下對於文本的處理結果。
我們的pdf是一個兩頁的pdf文檔，我們只讓程序去提取第一頁的文本，從上圖可以看出，程序完整的提取出第一頁的文本，沒有任何的錯誤。
02.圖片的提取
有了對於文字的處理，接下來我們就來看一下如何提取pdf中的圖片，並將其保存到本地。對於圖片的提取，程序如下圖所示：
上述的程序中，我們利用fitz庫來提取pdf文檔中的對象，然後通過字符串匹配來判斷對象是不是圖片類型，如果不是的話，我們直接進行跳過即可。
如果判斷對象是圖片類型的話，我們邊可以通過創建PixMap對象來提取圖片，並保存到我們指定的路徑下即可。結果如下圖所示：
上圖可以看出，我們正確的將圖片進行了提取，從而達到了我們的圖片提取的目的，而且小編也嘗試過多個圖片的提取，同樣也是沒有任何壓力。可以在短短的幾秒內完成pdf文檔的所有圖片的提取。