一文带你实现从PDF到Word文件的相互转换

news2024/10/6 14:30:57

一文带你实现从PDF到Word文件的相互转换

01. 前期准备

模块安装

pip install pdf2docx

or使用国内镜像源进行安装（清华的镜像源）

pip install pdf2docx -i https://pypi.tuna.tsinghua.edu.cn/simple

02. 模块介绍

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。
pdf2docx模块可以直接从PDF文件中提取文本和图片，并将其转换成可编辑的Word文档。它可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。

使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。下面是一个简单的示例代码：

import pdf2docx

# 将PDF文件转换成Word文档
pdf2docx.parse('test.pdf', 'test.docx')

上述代码中首先导入pdf2docx模块，然后使用parse函数将指定的PDF文件转换成相应的Word文档。

pdf2docx模块还提供了一些其他的函数和选项，可以根据需要进行配置和使用。以下是一些常用的函数和选项：

parse：将PDF文件转换成Word文档
parse_pages：将PDF文件中的一页转换成Word文档
parse_images：将PDF文件中的图片提取出来
parse_text：将PDF文件中的文本提取出来
parse_layout：将PDF文件中的页面布局提取出来

pdf2docx模块还支持一些高级选项，如自定义字体、颜色、大小、格式等，可以根据需要进行配置和使用。

总结

pdf2docx是一个非常实用的Python模块，可以将PDF文件转换成可编辑的Word文档。它基于pdfminer和python-docx库开发，可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。

03. 实例操作

3.1 单个PDF转word

from pdf2docx import Converter
#pdf转word

a = Converter(r'D:\Pycharm\1.pdf')  #pdf的路径
#输出的word的路径加文件名，不用自己创建，会自动创建，可将pdf路径直接复制下来，将后缀pdf改为docx就可以了。
a.convert(r'D:\Pycharm\1.docx')

a.close() #一定要有，释放内存用的

3.2 多个pdf转word

import os
from pdf2docx import Converter

def pdf_docx():
    # 获取当前工作目录
    file_path = r'E:\python'
    # 遍历所有文件
    for file in os.listdir(file_path):
        # 获取文件后缀
        suff_name = os.path.splitext(file)[1]
        # 过滤非pdf格式文件
        if suff_name != '.pdf':
            continue
        # 获取文件名称
        file_name = os.path.splitext(file)[0]
        # pdf文件名称
        pdf_name = file_path + '\\' + file
        # 要转换的docx文件名称
        docx_name = file_path + '\\' + file_name + '.docx'
        # 加载pdf文档
        cv = Converter(pdf_name)
        cv.convert(docx_name)
        cv.close()

        
if __name__ == '__main__':
    pdf_docx()

上述代码实现了遍历一个文件夹下的所有文件，并且将文件名后缀为“.pdf”的文件转换为“.docx的文件，即”word文件，该方法适合多个PDF文件的转换，从而实现批量将PDF转Word文档

实现了PDF转Word：

在这里插入图片描述

打开后的效果：

在这里插入图片描述

模块的安装(使用镜像下载真的快！！！)

pip install docx2pdf -i https://pypi.tuna.tsinghua.edu.cn/simple

3.3 单个Word转PDF（不建议使用代码，手动更快！！！）

from docx2pdf import convert
# 第一个为word路径，第二个为生成的pdf路径，不用自己创建，会自动创建，可将docx路径直接复制下来，将后缀docx改为pdf就可以了
convert("D:/Pycharm/output.docx",
        "D:/Pycharm/output.pdf")

3.4 多个Word转多个PDF

from docx2pdf import convert
import os

# 文件位置
path = 'E:/python/test/'
# 定义空list,存放文件夹中的文件名
files = []
for file in os.listdir(path):
    if file.endswith(".docx"):
        files.append(path+file)

for file in files:
   convert(file,file.split('.')[0]+'.pdf') #创建生成的pdf文件和文件名的文件名
   print(file+'转换成功')