PDF转Word-Python与办公-玩转PDF

当前位置:　首页>> 技术小册>> Python与办公-玩转PDF

可能你正在心里默想，终于讲到将PDF文档转换为Word文档了。是的，从PDF转成Word文档的需求更大，而目前市面上很多的转换工具都是收费的，或者只免费转换几页，根本无法满足我们的转换需求。

现在学了PDF的操作了，如果只是想要提取PDF文档里的文本，那么pypdf2和pymupdf都能满足，但麻烦的是，如果是一个图文并茂的PDF文档，以我们现在学的知识点根本无法完成。不要紧张，只要存在这种大需求就肯定会有大佬去解决，我们就是站在他们的肩膀上的人。

网上确实有一些能把PDF文档转换成Word文档的免费开源的库，笔者觉得目前最好用的是pdf2docx，它能创建解析文档布局、图片、表格等，会尽可能保证样式不错乱。

但注意，它是不可能生成一个与转换前的PDF文档一模一样的Word文档的，即使是当前市场上非常优秀的转换软件也不可能做到，这取决于文档排版的复杂程度，但相对来说，pdf2docx库已经是很不错的了。pdf2docx库名与docx2pdf倒是挺像的，但pdf2docx要比docx2pdf复杂多了，毕竟这两者要实现的功能难度根本不是同一个量级。

pdf2docx库是基于pymupdf和python-docx的，很明显，它是用pymupdf来提取PDF元素和样式布局，然后再用python-docx构建Word文档，如果对具体的实现步骤感兴趣的话可以看一下它的源码。

既然是第三方库，第一件事就是安装，因为这个库会安装很多其他关联的库，而且那些库都不小，所以建议安装的时候使用国内的源，比如说清华源，代码如下：

```bash
pip install pdf2docx -i https://pypi.tuna.tsinghua.edu.cn/simple/
```
这里演示一下pdf2docx的使用方法，代码如下：
```bash
from pdf2docx import Converter
converter = Converter（"./convert_ files/转换测试文档.pdf"）
converter.convert("./convert_ files/test.docx")
converter.close()
```
使用方法是先实例化一个Converter对象，实例化的时候就指定PDF文档的路径，然后再调用它的convert()方法，把保存Word文档的路径传进去就好了，最后记得调用一下它的close()方法把它关掉。

如果文档有密码的话，实例化Converter的时候的第二个参数可以指定密码，如果只想转换其中几页的话，可以在convert()方法中指定start和end参数，比如说只要转换前2页，代码如下：

```bash
from pdf2docx import Converter
converter = Converter("./convert_ files/转换测试文档.pdf",
 password="你的密码")
converter.convert("./convert_ files/test.docx",start=0,end=2)
converter.close()
```
转换之后得到的文档，其实样式还是会有些许错乱，这时候需要手动调整，毕竟程序已经帮我们做了大部分工作了。

该分类下的相关小册推荐：

Python编程轻松进阶(一)

实战Python网络爬虫

Python合辑5-格式化字符串

Python与办公-玩转Excel

Python合辑12-面向对象

机器学习算法原理与实战

剑指Python(磨刀不误砍柴工)

Python合辑10-函数

Python3网络爬虫开发实战(下)

Python高并发编程与实战

Python编程轻松进阶(三)

Python合辑13-面向对象编程案例(上)