前言

想必小伙伴都经历过，当你想要把PDF转为WORD时，自己打字赫赫甩在你眼前：

不充钱就想白嫖？？想得美~

然而，博主是不会退缩的，毕竟迎难而上是传统美德。于是，今天的主题出来了：用python写一个PDF转WORD的小工具（基于某网站接口）。

一、思路分析

网上一搜，你可以发现很多PDF转换的工具，其中不乏在线转换的网站，比如这样的：

那么，通过网站提供的测试接口，我们便可以通过爬虫模拟的方式实现转换。

没有错了~思路就是如此的简单明了，今天的主角便是：

https://app.xunjiepdf.com

通过抓包分析，知道这是一个POST请求，接下来用requests库模拟即可。

需要注意的是，这个接口仅用于测试，所以可供转换的页面等都有所限制，如需更完整的功能还请支持原版。

二、我的代码

正所谓一万个coders，就有一万种codes，以下为我的代码，仅供参考。

导入相关库：

 
 
 
 
  
  
  
  
import time 
  
  
  
  
import requests 
 
 
 

定义PDF2Word类：

 
 
 
 
  
  
  
  
#2020最新python学习资源分享：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('成功获取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'] == '上传成功': 
  
  
  
  
            self.keytag = res_json['keytag'] 
  
  
  
  
            print('成功上传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'] == '处理成功': 
  
  
  
  
            print('PDF处理完成') 
  
  
  
  
            return True 
  
  
  
  
        else: 
  
  
  
  
            print('PDF处理中') 
  
  
  
  
            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下载成功("%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) 
 
 
 

执行主函数：

 
 
 
 
  
  
  
  
if __name__=='__main__':     
  
  
  
  
    pdf2word = PDF2Word() 
  
  
  
  
    pdf2word.convertPDF('001.pdf','') 
 
 
 

注意：convertPDF函数有两个参数，第一个为需要转换的PDF，第二个参数为转换后的目录。
run一下，一键入魂，".docx"文件已经躺在了我的目录中，舒服了~

分享题目：用 Python 写了一个PDF转换器，以后再也不用花钱转了
转载来于：http://www.scanyue.cn/article/dhhpjgh.html