用 Python 寫了一個(gè)PDF轉(zhuǎn)換器，以后再也不用花錢轉(zhuǎn)了
作者：Python初學(xué)者入門
想必小伙伴都經(jīng)歷過(guò)，當(dāng)你想要把PDF轉(zhuǎn)為WORD時(shí)，自己打字赫赫甩在你眼前。于是，今天的主題出來(lái)了：用python寫一個(gè)PDF轉(zhuǎn)WORD的小工具（基于某網(wǎng)站接口）。
前言
想必小伙伴都經(jīng)歷過(guò)，當(dāng)你想要把PDF轉(zhuǎn)為WORD時(shí)，自己打字赫赫甩在你眼前：
不充錢就想白嫖？？想得美~
然而，博主是不會(huì)退縮的，畢竟迎難而上是傳統(tǒng)美德。于是，今天的主題出來(lái)了：用python寫一個(gè)PDF轉(zhuǎn)WORD的小工具（基于某網(wǎng)站接口）。
一、思路分析
網(wǎng)上一搜，你可以發(fā)現(xiàn)很多PDF轉(zhuǎn)換的工具，其中不乏在線轉(zhuǎn)換的網(wǎng)站，比如這樣的：
那么，通過(guò)網(wǎng)站提供的測(cè)試接口，我們便可以通過(guò)爬蟲模擬的方式實(shí)現(xiàn)轉(zhuǎn)換。
沒(méi)有錯(cuò)了~思路就是如此的簡(jiǎn)單明了，今天的主角便是：
https://app.xunjiepdf.com
通過(guò)抓包分析，知道這是一個(gè)POST請(qǐng)求，接下來(lái)用requests庫(kù)模擬即可。
需要注意的是，這個(gè)接口僅用于測(cè)試，所以可供轉(zhuǎn)換的頁(yè)面等都有所限制，如需更完整的功能還請(qǐng)支持原版。
二、我的代碼
正所謂一萬(wàn)個(gè)coders，就有一萬(wàn)種codes，以下為我的代碼，僅供參考。
導(dǎo)入相關(guān)庫(kù)：
- import time
- import requests
定義PDF2Word類：
- #2020最新python學(xué)習(xí)資源分享：1156465813
- class PDF2Word():
- def __init__(self):
- self.machineid = 'ccc052ee5200088b92342303c4ea9399'
- self.token = ''
- self.guid = ''
- self.keytag = ''
- def produceToken(self):
- url = 'https://app.xunjiepdf.com/api/producetoken'
- headers = {
- 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:76.0) Gecko/20100101 Firefox/76.0',
- 'Accept': 'application/json, text/javascript, */*; q=0.01',
- 'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
- 'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
- 'X-Requested-With': 'XMLHttpRequest',
- 'Origin': 'https://app.xunjiepdf.com',
- 'Connection': 'keep-alive',
- 'Referer': 'https://app.xunjiepdf.com/pdf2word/',}
- data = {'machineid':self.machineid}
- res = requests.post(url,headers=headers,data=data)
- res_json = res.json()
- if res_json['code'] == 10000:
- self.token = res_json['token']
- self.guid = res_json['guid']
- print('成功獲取token')
- return True
- else:
- return False
- def uploadPDF(self,filepath):
- filename = filepath.split('/')[-1]
- files = {'file': open(filepath,'rb')}
- url = 'https://app.xunjiepdf.com/api/Upload'
- headers = {
- 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:76.0) Gecko/20100101 Firefox/76.0',
- 'Accept': '*/*',
- 'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
- 'Content-Type': 'application/pdf',
- 'Origin': 'https://app.xunjiepdf.com',
- 'Connection': 'keep-alive',
- 'Referer': 'https://app.xunjiepdf.com/pdf2word/',}
- params = (
- ('tasktype', 'pdf2word'),
- ('phonenumber', ''),
- ('loginkey', ''),
- ('machineid', self.machineid),
- ('token', self.token),
- ('limitsize', '2048'),
- ('pdfname', filename),
- ('queuekey', self.guid),
- ('uploadtime', ''),
- ('filecount', '1'),
- ('fileindex', '1'),
- ('pagerange', 'all'),
- ('picturequality', ''),
- ('outputfileextension', 'docx'),
- ('picturerotate', '0,undefined'),
- ('filesequence', '0,undefined'),
- ('filepwd', ''),
- ('iconsize', ''),
- ('picturetoonepdf', ''),
- ('isshare', '0'),
- ('softname', 'pdfonlineconverter'),
- ('softversion', 'V5.0'),
- ('validpagescount', '20'),
- ('limituse', '1'),
- ('filespwdlist', ''),
- ('fileCountwater', '1'),
- ('languagefrom', ''),
- ('languageto', ''),
- ('cadverchose', ''),
- ('pictureforecolor', ''),
- ('picturebackcolor', ''),
- ('id', 'WU_FILE_1'),
- ('name', filename),
- ('type', 'application/pdf'),
- ('lastModifiedDate', ''),
- ('size', ''),)
- res= requests.post(url,headers=headers,params=params,files=files)
- res_json = res.json()
- if res_json['message'] == '上傳成功':
- self.keytag = res_json['keytag']
- print('成功上傳PDF')
- return True
- else:
- return False
- def progress(self):
- url = 'https://app.xunjiepdf.com/api/Progress'
- headers = {
- 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:76.0) Gecko/20100101 Firefox/76.0',
- 'Accept': 'text/plain, */*; q=0.01',
- 'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
- 'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
- 'X-Requested-With': 'XMLHttpRequest',
- 'Origin': 'https://app.xunjiepdf.com',
- 'Connection': 'keep-alive',
- 'Referer': 'https://app.xunjiepdf.com/pdf2word/',}
- data = {
- 'tasktag': self.keytag,
- 'phonenumber': '',
- 'loginkey': '',
- 'limituse': '1'}
- res= requests.post(url,headers=headers,data=data)
- res_json = res.json()
- if res_json['message'] == '處理成功':
- print('PDF處理完成')
- return True
- else:
- print('PDF處理中')
- return False
- def downloadWord(self,output):
- url = 'https://app.xunjiepdf.com/download/fileid/%s'%self.keytag
- res = requests.get(url)
- with open(output,'wb') as f:
- f.write(res.content)
- print('PDF下載成功("%s")'%output)
- def convertPDF(self,filepath,outpath):
- filename = filepath.split('/')[-1]
- filename = filename.split('.')[0]+'.docx'
- self.produceToken()
- self.uploadPDF(filepath)
- while True:
- res = self.progress()
- if res == True:
- break
- time.sleep(1)
- self.downloadWord(outpath+filename)
執(zhí)行主函數(shù)：
- if __name__=='__main__':
- pdf2word = PDF2Word()
- pdf2word.convertPDF('001.pdf','')
注意：convertPDF函數(shù)有兩個(gè)參數(shù)，第一個(gè)為需要轉(zhuǎn)換的PDF，第二個(gè)參數(shù)為轉(zhuǎn)換后的目錄。
run一下，一鍵入魂，".docx"文件已經(jīng)躺在了我的目錄中，舒服了~
責(zé)任編輯：張燕妮
來(lái)源：
今日頭條
