鲁达 由于工作需要，要从几百个文件中提取文字信息（指定几个文字，判断文件中有没有），思路有两种：1.手工看、统计 2.程序。知道Python在处理这些数据上功能非常强大，大概查了一下，Python直接读取doc、pdf文件比较麻烦，读取txt相对容易的多，于是打算先将文件统一转化为txt，然后读取txt，并将结果输出在一个csv或excel中。
经查阅资料，文件转化大体有两种方式：1.使用工具转，较好的工具有All Office Converter Platinum（收费）、迅捷PDF转换器（收费）；2.自己写程序转化。不过小编发现这两种转化方式都无法将图片转换到txt，所以会有缺损。
工具转化比较简单，下载安装工具，简单操作就能实现。下面着重介绍使用程序转化，主要分三步：
（1）将doc、docx、wps转换成txt
这一步注意点：改程序需要安装win32com Python包，小编试着在cmd中用pip安装和在pycharm中安装都没有成功，只能去网上找exe安装文件，官方下载，下载时要看自己装的Python版本和位数 。
查看Python位数
查看需要安装的版本
（2）将pdf（包括加密的pdf）转为txt
这一步骤中，用到了一个解密pdf的插件qpdf,下载地址，程序使用时要将代码的qpdf的exe文件路径换成自己的路径。
（3）读取转化好的txt文件夹、输出结果到csv文件
这一步主要用的是正则表达式，没啥技术含量，大家自己学习下。下面是过程中的部分截图，仅供产考。
doc转换成功控制台打印日志
pdf转换成功控制台打印日志
输出结果
代码地址：