說到pdf，那麼得刨根問底兒地問問為啥要有這種格式的文件？有word這樣格式的文件不夠使得嘛？先說個深有體會的事，平常有木有word在不同地方打開格式發生改變的苦惱？然而pdf就沒有這種麻煩。
當初Adobe公司設計PDF文件格式主要是要支持跨平臺，支持對網絡信息的發布。這種格式與平臺無關，那就是說PDF文件不管是在Windows，Unix還是在蘋果公司的Mac OS作業系統中都是通用的。這一特點使它成為在Internet上進行電子文檔發行和數位化信息傳播的理想文檔格式。
那pdf有這麼多優點為啥還要轉Word? 答：pdf不易編輯，不易排版，不易粘貼複製，在工作中要是在pdf裡面提取你想要的文字或者圖片，那可費事兒，對於文字要不就一個字一個字地比著打，要麼就充值某個軟體會員，開啟開掛模式。對於這兩個方法都不想用的小夥伴來說，教你們一個方法，可以有效提取出pdf裡面的文字並轉為word。
1.解析PDF庫pdfminer
說到從pdf中獲得想要的信息，那第一步就得解析出pdf裡面的東西，這裡就用到pdfminer庫，它完全專注於獲取和分析文本數據。PDFMiner允許人們獲取頁面中文本的確切位置，以及字體或線條等其他信息。它的好處也是大大的：
完全用Python編寫。各種字體類型（Type1，TrueType，Type3和CID）支持。PDF到HTML轉換（使用示例轉換器Web應用程式）。大綱（TOC）提取。等等好處，接下來在看看它處理pdf的流程是哪樣
流程這圖看起來太麻煩，簡單幾句話就是：
PDFParser 先從文件中提取數據，然後給PDFDocument類PDFDocument類將傳遞來數據傳給PDF解釋器PDFPageInterpreterPDFPageInterpreter去處理頁面內容PDFDevice將其轉換為我們所需要的內容PDFResourceManager，PDF資源管理器用於保存共享內容例如字體或圖片。2.pdf轉word實操
pdfminer的流程簡單了解了一下，那具體怎麼用，來一步步走
1.既然要先用PDFParser 先從文件中提取數據，然後給PDFDocument類，那麼就需要有PDFParser 和PDFDocument兩個類，並需要讓兩者關聯起來。
2.接下來創建PDFPageInterpreter，它的參數需要傳入PDF資源管理器PDFResourceManager和PDF的設備對象device。
3.解釋器創建好後，用解釋器調用process_page方法，去解析頁面。然後設備對象調用get_result()方法得到這個頁面的LIPage對象
4.在LIPage對象中有LTImage圖片對象，LTCurve曲線對象，LTFigure figure對象，LTTextBoxHorizontal文本對象。這裡我們只要LTTextBoxHorizontal對象，所以遍歷LIPage在裡面得到LTTextBoxHorizontal對象，獲取裡面的文字內容。
5.將得到的文字內容寫入到word文件中。
6.來看看效果咋樣
要用的PDF（只截取了一部分）
生成的word（截取的一部分）可以看到轉化的效果還是很不錯的，只是格式稍微有點亂。
當處理多個pdf時，可以採用多線程處理。這裡pdf轉word只提供一個簡單的思路，當pdf裡面含有圖片，圖表就需要做另外的處理哦。