1. pdf2docx功能

- 解析和创建页面布局
  - 页边距
  - 章节和分栏 (目前最多支持两栏布局)
  - 页眉和页脚 [TODO]

- 解析和创建段落
  - OCR 文本 [TODO] 
  - 水平（从左到右）或竖直（自底向上）方向文本
  - 字体样式例如字体、字号、粗/斜体、颜色
  - 文本样式例如高亮、下划线和删除线
  - 列表样式 [TODO]
  - 外部超链接
  - 段落水平对齐方式 (左/右/居中/分散对齐)及前后间距

- 解析和创建图片
  - 内联图片
    - 灰度/RGB/CMYK等颜色空间图片
    - 带有透明通道图片
    - 浮动图片（衬于文字下方）

- 解析和创建表格
  - 边框样式例如宽度和颜色
  - 单元格背景色
  - 合并单元格
  - 单元格垂直文本
  - 隐藏部分边框线的表格
  - 嵌套表格

- 支持多进程转换

pdf2docx同时解析出了表格内容和样式，因此也可以作为一个表格内容提取工具。

2. 限制

• 目前暂不支持扫描PDF文字识别
• 仅支持从左向右书写的语言（因此不支持阿拉伯语）
• 不支持旋转的文字
• 基于规则的解析无法保证100%还原PDF样式

3. 安装

pip install pdf2docx

4. 案例

from pdf2docx import parse

pdf_file = '/path/to/《Python接口自动化测试》.pdf'
# word文件不需要提前创建，会自动创建
docx_file = 'path/to/《Python接口自动化测试》.docx'

# convert pdf to docx
parse(pdf_file, docx_file)

PDF文件：

Word文件（整体转换还行，部分地方格式有点点问题）：