Python PDF文件轉Word格式,3秒完美搞定!(附打包)

文 |沐沐

來源：GOGO數據「ID: mu_science」

PDF文檔遵循一定的規範，例如精確定位了每個字符出現在頁面上的坐標、根據坐標繪製的各種形狀（線、矩形、曲線等）。所以，用PDF格式傳輸和列印文檔可以保證格式的一致性，不會像Word那樣因為渲染引擎的不同而出現格式錯亂、多頁少頁等問題。
Word文檔則是一種流式布局，元素之間的相對距離決定了其呈現在頁面上的最終位置。因此適合編輯內容，前文內容的修改自動促發後續文檔布局的更新。PDF轉Word是一個古老的話題，其難點在於建立從PDF基於元素位置的格式到Word基於內容的格式的映射。PDF文檔實際並不存在段落、表格的概念，PDF轉Word要做的就是將PDF文檔中「橫、豎線條圍繞著文本」解析為Word的「表格」，將「文本及下方的一條橫線」解析為「文本下劃線」，等等。pdf2docx支持Windows和Linux平臺，要求Python版本>=3.6。

pdf2docx使用

from pdf2docx import Converter
文件名+'docx'拼接重組word文件(改變格式不變文件名)。
import os
from pdf2docx import Converter

def pdf_docx():
    # 獲取當前工作目錄
    file_path = os.getcwd()

    # 遍歷所有文件
    for file in os.listdir(file_path):
        # 獲取文件後綴
        suff_name = os.path.splitext(file)[1]

        # 過濾非pdf格式文件
        if suff_name != '.pdf':
            continue
        # 獲取文件名稱
        file_name = os.path.splitext(file)[0]
        # pdf文件名稱
        pdf_name = os.getcwd() + '\\' + file
        # 要轉換的docx文件名稱
        docx_name = os.getcwd() + '\\' + file_name + '.docx'
        # 加載pdf文檔
        cv = Converter(pdf_name)
        cv.convert(docx_name)
        cv.close()
測試
我們準備的pdf文檔有格式，有圖片。先來進行測試
控制臺信息列印如下，0.17秒完成了3頁pdf->docx文件的轉換
[INFO] Start to convert E:\Python\pycharm++\GOGO數據\盧本偉.pdf
[INFO] [1/4] Opening document...
[INFO] [2/4] Analyzing document...
[WARNING] Replace font "MicrosoftYaHeiUI" with "Times New Roman" due to lack of data.
Deprecation: 'getText' removed from class 'Page' after v1.19.0 - use 'get_text'.
Deprecation: 'getImageList' removed from class 'Page' after v1.19.0 - use 'get_images'.
Deprecation: 'getImageBbox' removed from class 'Page' after v1.19.0 - use 'get_image_bbox'.
Deprecation: 'getPNGData' removed from class 'Pixmap' after v1.19.0 - use 'tobytes'.
Deprecation: 'getDrawings' removed from class 'Page' after v1.19.0 - use 'get_drawings'.
Deprecation: 'getLinks' removed from class 'Page' after v1.19.0 - use 'get_links'.
Deprecation: 'getArea' removed from class 'Rect' after v1.19.0 - use 'get_area'.
[INFO] [3/4] Parsing pages...
[INFO] (1/3) Page 1
[INFO] (2/3) Page 2
[INFO] (3/3) Page 3
[INFO] [4/4] Creating pages...
[INFO] (1/3) Page 1
[INFO] (2/3) Page 2
[INFO] (3/3) Page 3
[INFO] Terminated in 0.17s.
轉換完成後的docx文件格式如下：
現在我們已經完成了pdf轉word的操作，這樣的局限性太大了，萬一我的pc沒有python環境怎麼搞？
接下來我們對文件進行打包，讓你隨時隨地可以轉換文檔python 上常見的打包方式目是通過 pyinstaller 來實現的。

詳細步驟
pyinstaller 是一個命令行工具，下面是詳細步驟
2、執行命令 pyinstall -F pdfToword.py

執行完畢會發現生成了 3 個文件夾

其中 dist 文件夾就有我們已經打包完成的 exe 文件。


3、雙擊 exe 就可以運行成功了。一鍵抓換pdf-word
夠方便的吧~~

今天的分享就到此結束啦，
 <end>