【kimol君的無聊小發明】—用python寫PDF轉換器
- 前言
- 一、思路分析
- 二、我的代碼
- 寫在最后
前言
某個夜深人靜的夜晚，夜微涼風微揚，月光照進我的書房~
當我打開檔案夾以回顧往事之余，驚現許多看似雜亂的無聊代碼，我拍腿正坐，一個想法油然而生：“生活已然很無聊，不如再無聊些叭”，
于是，我決定開一個專題，便稱之為kimol君的無聊小發明，
妙…啊~~~
想必小伙伴都經歷過，當你想要把PDF轉為WORD時，自己打字赫赫甩在你眼前：
不充錢就想白嫖？？ 想得美~
然而，kimol君是不會退縮的，畢竟迎難而上是傳統美德，于是，今天的主題出來了：用python寫一個PDF轉WORD的小工具（基于某網站介面），
一、思路分析
網上一搜，你可以發現很多PDF轉換的工具，其中不乏在線轉換的網站，比如這樣的：
那么，通過網站提供的測驗介面，我們便可以通過爬蟲模擬的方式實作轉換，
沒有錯了~思路就是如此的簡單明了，今天的主角便是：
https://app.xunjiepdf.com
通過抓包分析，知道這是一個POST請求，接下來用requests庫模擬即可，
需要注意的是，這個介面僅用于測驗，所以可供轉換的頁面等都有所限制，如需更完整的功能還請支持原版，
二、我的代碼
正所謂一萬個coders，就有一萬種codes，以下為我的代碼，僅供參考，
匯入相關庫：
import time
import requests
定義PDF2Word類：
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)
執行主函式：
if __name__=='__main__':
pdf2word = PDF2Word()
pdf2word.convertPDF('001.pdf','')
注意：convertPDF函式有兩個引數，第一個為需要轉換的PDF，第二個引數為轉換后的目錄，
run一下，一鍵入魂，".docx"檔案已經躺在了我的目錄中，舒服了~
寫在最后
最后，感謝各位大大的耐心閱讀，咋們下次再會~
創作不易，大俠請留步… 動起可愛的雙手，來個贊再走唄 (???￩?)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/191904.html
標籤：其他