pdf文件加密学习起，pdf 中图片如何提取文本

一、提出问题

在我们的工作中，有时候上级让下级将盖章的文件生成PDF文件通过内部平台发送到上级邮箱，那如何解决呢？是去找一个扫描仪，还是用手机拍图转。用Python基实就能实现。

二、分析问题

现在网上好多的软件都是收费的，转pdf，如何查看文件是否加密，对于图片如何识别文本。

三、docx2pdf模块的使用

1.安装模块

pip install docx2pdf

2.介绍

pdf2docx是一个Python模块，可以用来将PDF文件转换成Word文档。它是基于Python的pdfminer和python-docx库开发的，可以在Windows、Linux和Mac系统上运行。

四、案例分析

import docx2pdf
import os
import PyPDF2pdf_path = "C:\\Users\\lenovo\\Desktop\\test\\"
files = []
for file in os.listdir(pdf_path):if file.endswith(".docx"):files.append(pdf_path+file)print(files)
for file in files:print(file)docx2pdf.convert(str(file))file_name=file.split(".")[0]print(f"{file_name}转换成功！")for file in os.listdir(pdf_path):if file.endswith(".pdf"):files.append(pdf_path + file)for file in files:outfile=file.split('.')[0]+'加密.pdf'with open(file, 'rb') as f:pdf = PyPDF2.PdfReader(f)print(pdf)if pdf.is_encrypted:print(f"{file}是加密文件" )else:print(f"{file}不是加密文件")write = PyPDF2.PdfWriter()for i in range(len(pdf.pages)):write.add_page(pdf.pages[i])write.encrypt(user_password='123456',owner_pwd="qwerty", use_128bit=True)with open('out_file4.pdf',"wb") as f:write.write(f)

五、如何识别图片中文本

import tesseract
import os
from PIL import Image
imglist = []
pdf_path = "./"
for file in os.listdir(pdf_path):if file.endswith(".png"):imglist.append(pdf_path + file)print(imglist)
imgtext = []
for img in imglist:print(img)text = tesseract.image_to_string(Image.open(img))imgtext.append(text)