在日常工作或学习中，经常会遇到这样的无奈：
“小任，你把这个PDF中的文件码出来发我”
艹，倒霉，2M的PDF12点也完不了啊！
很多时候在学习时发现许多文档都是PDF格式，PDF格式却不利于学习使用，因此需要将PDF转换为Word文件，但或许你从网上下载了很多软件，但只能转换前五页（如WPS等），要不就是需要收费，那有没有免费的转换软件呢？
so，菜鸟分析给各位带来了一个免费简单快速的方法，手把手教你用Python批量处理PDF格式文件，获取自己想要的内容，存为word形式。
在实现PDF转Word功能之前，我们需要一个python的编写和运行环境，同时安装好相关的依赖包。 对于python环境，我们推荐使用PyCharm。 在本地电脑环境，anaconda提供了非常便利的安装和部署。
PDF转Word功能所需的依赖包如下：
PDFParser（文档分析器），PDFDocument（文档对象），PDFResourceManager（资源管理器），PDFPageInterpreter（解释器），PDFPageAggregator（聚合器），LAParams（参数分析器）
一、前期准备工作
说明：菜鸟分析是在Windows7下使用python最新的3.6版本
1.安装pdfminer3k模块
安装anaconda后，直接可以通过pip安装
2.若安装不成功，可以试试下面方法
将下载好的pdfminer3k解压到D:或其他合适的盘符，通过win+r 打开运行窗口，输入cmd；
输入D:切换到D盘，cd pdfminer3k(pdf解压的文件夹)，输入setup.py install安装软件。
最终显示Finished，则代表成功
二、代码实操
1.导入相关包
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.layout import LAParams
from pdfminer.converter import PDFPageAggregator整体思路为：构造文档对象，解析文档对象，提取所需内容构造文档对象构造解释器
2.导入需要解析的PDF文件
将所需解析的文件与执行代码放到同一个目录下，如图：test.pdf内容
3.具体代码如下：
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.layout import LAParams
from pdfminer.converter import PDFPageAggregator
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed
def parse():#rb以二进制读模式打开本地pdf文件
fn = open('test.pdf','rb')
#创建一个pdf文档分析器
parser = PDFParser(fn)
#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doc.initialize("lianxipython")
# 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
resource = PDFResourceManager()
#创建一个PDF参数分析器
laparams = LAParams()
#创建聚合器,用于读取文档的对象
device = PDFPageAggregator(resource,laparams=laparams)
#创建解释器，对文档编码，解释成Python能够识别的格式
interpreter = PDFPageInterpreter(resource,device)
# 循环遍历列表，每次处理一页的内容
# doc.get_pages() 获取page列表
for page in doc.get_pages():
#利用解释器的process_page()方法解析读取单独页数
interpreter.process_page(page)
#使用聚合器get_result()方法获取内容
layout = device.get_result()
#这里layout是一个LTPage对象,里面存放着这个page解析出的各种对象
for out in layout:
#判断是否含有get_text()方法，获取我们想要的文字
if hasattr(out,"get_text"):
print(out.get_text())
with open('test.txt','a') as f:
f.write(out.get_text()+'\n')
if __name__ == '__main__':
parse()最终得到的test.txt结果如下：
结束：对于Python批量PDF转Word的操作介绍就到此，本文仅仅作为一种运用库展示代码编写过程，具体技术还需要有兴趣的朋友，与我一起讨论专研，互相学习进步。
