用 Python 写了一个PDF转换器,以后再也不用花钱转了

 用 Python 写了一个PDF转换器,以后再也不用花钱转了

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:

相关推荐