只需2行代码，轻松将PDF转换成Word
P
点击关注 👉约 2 分钟
点击关注 👉约 2 分钟可将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
pip install pdf2docxfrom pdf2docx import parsepdf_file = '/path/to/sample.pdf'docx_file = 'path/to/sample.docx'# convert pdf to docxparse(pdf_file, docx_file)
Run
扫码进群记得备注：城市、昵称和技术方向。
👇扫描下方二维码，逆袭成长👇