Python库 pdf2docx 轻松将PDF转换成docx

前言： 可将 PDF 转换成 docx 文件的 Python 库。该项目通过 PyMuPDF 库提取 PDF 文件中的数据，然后采用 python-docx 库解析内容的布局、段落、图片、表格等，最后自动生成 docx 文件。

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。

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

安装：

#安装
pip install pdf2docx

案例

from pdf2docx import parsepdf_file = '/path/to/sample.pdf'
docx_file = 'path/to/sample.docx'# convert pdf to docx
parse(pdf_file, docx_file)

Python库 pdf2docx 轻松将PDF转换成docx相关推荐

【Python】只需2行代码，轻松将PDF转换成Word（含示范案例）
文章目录一.前期准备二.pdf2docx功能三.限制四.案例一.前期准备可将 PDF 转换成 docx 文件的 Python 库.该项目通过 PyMuPDF 库提取 PDF 文件中的数据, ...
【Python】只需2行代码，轻松将PDF转换成Word
编辑:数据分析与统计学之美可将 PDF 转换成 docx 文件的 Python 库.该项目通过 PyMuPDF 库提取 PDF 文件中的数据,然后采用 python-docx 库解析内容的布局.段落 ...
两种方法轻松将pdf转换成jpg格式
现在大家写文章一般都喜欢图文并茂,所以在网上看到的文档基本都有图片,如果是普通的文档格式我们可以直接将图片提取出来,但是现在的文件基本都以pdf格式上传,这时想要图片就需要将其进行格式转换了,下面就一 ...
用python写代码，把PDF转换成word
可以使用 Python 的库 "PyPDF2" 来将 PDF 转换为 Word. 安装 PyPDF2: pipinstall pypdf2 然后,可以使用以下代码将 PDF 转换为 ...
使用python将doc的word文件转换成docx文件
文章目录一.学习目标: 二.直接转换代码: 一.学习目标: 主要之前使用python提起word的docx的文件的数据.但是今天发现,如果是doc后缀的word文件,会报错,这样就无法提取数据了,然 ...
怎样可以在线将pdf转换成jpg格式
pdf文件有很多种,但是处理它的方法只有一种,就是将其转换成可编辑的格式,虽然文字类的pdf文件我们经常看到,但是图片格式的也不少,今天就先以pdf转图片为例,说说转换pdf文件格式的方法. 在线就能 ...
PDF转换成word免费
PDF文档如何转换成Word格式的?大家多多少少都会遇到这样的问题,比如在网上下载论文资料.电子书等文件时,会发现资料都是PDF格式的.下载后却不能复制编辑,这种情况太让人沮丧了吧!PDF格式的文件在 ...
pdf转换成txt转换器在线转换
PDF.TXT.Word.Excel和Word格式文件是我们我们日常办公中使用频率最高的,有时我们需要将PDF转换成为更加便捷打印编辑的TXT和Word文档,而面对这两种不同格式的转换,很多用户都试图 ...
python如何使用最简单的方式将PDF转换成Word？
由于PDF的文件大多都是只读文件,有时候为了满足可以编辑的需要通常可以将PDF文件直接转换成Word文件进行操作. 看了网络上面的python转换PDF文件为Word的相关文章感觉都比较复杂,并且关于 ...

Python库 pdf2docx 轻松将PDF转换成docx

Python库 pdf2docx 轻松将PDF转换成docx相关推荐

最新文章

热门文章