说到pdf，那么得刨根问底儿地问问为啥要有这种格式的文件？有word这样格式的文件不够使得嘛？先说个深有体会的事，平常有木有word在不同地方打开格式发生改变的苦恼？然而pdf就没有这种麻烦。
当初Adobe公司设计PDF文件格式主要是要支持跨平台，支持对网络信息的发布。这种格式与平台无关，那就是说PDF文件不管是在Windows，Unix还是在苹果公司的MacOS操作系统中都是通用的。这一特点使它成为在Internet上进行电子文档发行和数字化信息传播的理想文档格式。
那pdf有这么多优点为啥还要转Word?答：pdf不易编辑，不易排版，不易粘贴复制，在工作中要是在pdf里面提取你想要的文字或者图片，那可费事儿，对于文字要不就一个字一个字地比着打，要么就充值某个软件会员，开启开挂模式。对于这两个方法都不想用的小伙伴来说，教你们一个方法，可以有效提取出pdf里面的文字并转为word。
1.解析PDF库pdfminer
说到从pdf中获得想要的信息，那第一步就得解析出pdf里面的东西，这里就用到pdfminer库，它完全专注于获取和分析文本数据。PDFMiner允许人们获取页面中文本的确切位置，以及字体或线条等其他信息。它的好处也是大大的：
完全用Python编写。各种字体类型（Type1，TrueType，Type3和CID）支持。PDF到HTML转换（使用示例转换器Web应用程序）。大纲（TOC）提取。等等好处，接下来在看看它处理pdf的流程是哪样
流程这图看起来太麻烦，简单几句话就是：
PDFParser先从文件中提取数据，然后给PDFDocument类PDFDocument类将传递来数据传给PDF解释器PDFPageInterpreterPDFPageInterpreter去处理页面内容PDFDevice将其转换为我们所需要的内容PDFResourceManager，PDF资源管理器用于保存共享内容例如字体或图片。2.pdf转word实操
pdfminer的流程简单了解了一下，那具体怎么用，来一步步走
1.既然要先用PDFParser先从文件中提取数据，然后给PDFDocument类，那么就需要有PDFParser和PDFDocument两个类，并需要让两者关联起来。
2.接下来创建PDFPageInterpreter，它的参数需要传入PDF资源管理器PDFResourceManager和PDF的设备对象device。
3.解释器创建好后，用解释器调用process_page方法，去解析页面。然后设备对象调用get_result()方法得到这个页面的LIPage对象
4.在LIPage对象中有LTImage图片对象，LTCurve曲线对象，LTFigurefigure对象，LTTextBoxHorizontal文本对象。这里我们只要LTTextBoxHorizontal对象，所以遍历LIPage在里面得到LTTextBoxHorizontal对象，获取里面的文字内容。
5.将得到的文字内容写入到word文件中。
6.来看看效果咋样
要用的PDF（只截取了一部分）生成的word（截取的一部分）可以看到转化的效果还是很不错的，只是格式稍微有点乱。
当处理多个pdf时，可以采用多线程处理。这里pdf转word只提供一个简单的思路，当pdf里面含有图片，图表就需要做另外的处理哦。