100天精通Python（实用脚本篇）——第111天：批量将PDF转Word文档

大家好，欢迎来到100天精通Python（实用脚本篇）的第111天。今天我们将学习如何批量将PDF文件转换为Word文档。这是一个非常实用的技能，特别是对于那些需要处理大量PDF文件并提取信息的人来说。

在开始之前，请确保你已经安装了PyPDF2和python-docx这两个库。你可以使用以下命令通过pip安装它们：

pip install PyPDF2 python-docx

接下来，我们将编写一个Python脚本来完成这个任务。以下是脚本代码：

import os
import PyPDF2
from docx import Document
# 设置PDF和Word文件的输出目录
pdf_dir = 'path/to/pdf/directory'
word_dir = 'path/to/word/directory'
# 确保输出目录存在，如果不存在则创建
if not os.path.exists(word_dir):
    os.makedirs(word_dir)
# 遍历PDF目录中的所有文件
for filename in os.listdir(pdf_dir):
    if filename.endswith('.pdf'):
        pdf_path = os.path.join(pdf_dir, filename)
        word_path = os.path.join(word_dir, filename.replace('.pdf', '.docx'))
        # 使用PyPDF2读取PDF文件
        with open(pdf_path, 'rb') as pdf_file:
            pdf = PyPDF2.PdfFileReader(pdf_file)
            num_pages = pdf.numPages
            text = ''
            # 提取每一页的内容并拼接在一起
            for page in range(num_pages):
                page = pdf.getPage(page)
                text += page.extractText()
        # 使用python-docx创建一个新的Word文档并将提取的文本写入其中
        document = Document()
        document.add_paragraph(text)
        document.save(word_path)

现在你已经有了完整的脚本代码，接下来是详细的步骤：

1. 打开一个文本编辑器，将上面的代码复制粘贴进去。
2. 将pdf_dir变量的值替换为你的PDF文件的目录路径。确保该目录中包含你想要转换的PDF文件。
3. 将word_dir变量的值替换为你希望保存转换后的Word文档的目录路径。确保该目录已经存在或者脚本会自动创建它。
4. 保存脚本文件，例如命名为pdf_to_word.py。
5. 在命令行中导航到脚本文件所在的目录。
6. 运行脚本，使用以下命令：python pdf_to_word.py。
7. 等待脚本运行完成。它会将PDF目录中的所有PDF文件转换为Word文档，并将转换后的文档保存在指定的Word目录中。
8. 现在你可以打开Word目录中的Word文档，查看转换后的内容了。

希望这个教程对你有所帮助！如果你有任何问题或建议，请随时告诉我。我们将在明天继续学习Python的下一个实用主题。