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，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。

第一步，下载 PyMuPDF 包：

pip install PyMuPDF

第二步，下载 python-docx 包：

pip install python-docx

第三步，下载 pdf2docx 包：

pip install pdf2docx

二、pdf2docx功能

解析和创建页面布局

（1）页边距

（2）章节和分栏 (目前最多支持两栏布局)

（3）页眉和页脚 [TODO]

解析和创建段落

（1）OCR 文本 [TODO]

（2）水平（从左到右）或竖直（自底向上）方向文本

（3）字体样式例如字体、字号、粗/斜体、颜色

（4）文本样式例如高亮、下划线和删除线

（5）列表样式 [TODO]

（6）外部超链接

（7）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

（1）内联图片

（2）灰度/RGB/CMYK等颜色空间图片

（3）带有透明通道图片

（4）浮动图片（衬于文字下方）

解析和创建表格

（1）边框样式例如宽度和颜色

（2）单元格背景色

（3）合并单元格

（4）单元格垂直文本

（5）隐藏部分边框线的表格

（6）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。

三、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

四、案例

我们有这样一篇PDF：

代码如下：

from pdf2docx import parse
pdf_file = './ResNet.pdf'
docx_file = './resnet.docx'
# convert pdf to docx
parse(pdf_file, docx_file)

输出结果为：

效果还可以，不过会缺失一部分数据！

【Python】只需2行代码，轻松将PDF转换成Word（含示范案例）相关推荐

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】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 ...
利用Python只需3行代码即可生成验证码
现在验证码的种类真的是越来越多,短信验证码.语音验证码.图片验证码.滑块验证码 ... 我们在 PC 的网页端或者手机上的 app 进行登录或者注册时,应该总会遇见图片验证码,比如下面这类: 很多人学 ...
批量下载网页图片，python只需23行代码
我们在浏览网页的时候偶尔会遇到很多美图,想要保存下来.如果是一张张地"右键,图片另存为...",就显得太low了,而且工作量大.效率低. 我们以豆瓣网首页为例,教大家如何批量获取网 ...
android 蓝牙耗电量,安卓Android BLE低功耗蓝牙接受数据详解只需100行代码轻松搞定...
做了一个安卓手机通过蓝牙获取电子秤的重量的Demo,在此写下以供大家参考和讨论. 先上代码,着急用的可以迅速参考,后面再写说明我跳过了扫描过程,直接根据蓝牙设备地址进行连接,可以运行官方Demo来获 ...
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 ...
【高代码文件格式API】道宁为您提供文件格式API集——Aspose，只需几行代码即可创建转换和操作100多种文件格式
Aspose系列产品是高代码文件格式API 使您的应用程序能够处理适用于所有主要平台的 Word.Excel.PDF.PowerPoint.Outlook 和100多种其他文件格式 Aspose提 ...
JavaScript开发区块链只需200行代码
JavaScript开发区块链只需200行代码用JavaScript开发实现一个简单区块链.通过这一开发过程,你将理解区块链技术是什么:区块链就是一个分布式数据库,存储结构是一个不断增长的链表,链表 ...
lstm代码_只需5行代码！LSTM时间序列建模以及预测
最近我在github上看到一个项目,项目内容是将深度学习方法(LSTM.RNN.GRU)进行时间序列建模的过程进行了封装,使得调用者调用者只需5行代码能完成时间序列建模以及预测的全过程. 项目本身是使 ...

【Python】只需2行代码，轻松将PDF转换成Word（含示范案例）