Python：将 PDF 转换为 DOC

Question

如何将 pdf 文件转换为 docx。有没有办法使用 python 来做到这一点？

我看到一些页面允许用户上传

PDF

并返回

DOC

文件，例如 PdfToWord

提前致谢

Answer 1

如果您安装了 LibreOffice

lowriter --invisible --convert-to doc '/your/file.pdf'

如果您想使用 Python 来实现此目的：

import os
import subprocess

for top, dirs, files in os.walk('/my/pdf/folder'):
    for filename in files:
        if filename.endswith('.pdf'):
            abspath = os.path.join(top, filename)
            subprocess.call('lowriter --invisible --convert-to doc "{}"'
                            .format(abspath), shell=True)

Answer 2

这很困难，因为 PDF 是面向演示的，而 Word 文档是面向内容的。我已经测试了这两个项目，可以推荐以下项目。

1. PyPDF2
2. PDFMiner

但是，在转换过程中你肯定会失去表现方面的内容。

Answer 3

如果你想转换 PDF -> MS Word 类型文件，如 docx，我遇到了 this。

Ahsin Shabbir 写道：

import glob
import win32com.client
import os

word = win32com.client.Dispatch("Word.Application")
word.visible = 0

pdfs_path = "" # folder where the .pdf files are stored
for i, doc in enumerate(glob.iglob(pdfs_path+"*.pdf")):
    print(doc)
    filename = doc.split('\\')[-1]
    in_file = os.path.abspath(doc)
    print(in_file)
    wb = word.Documents.Open(in_file)
    out_file = os.path.abspath(reqs_path +filename[0:-4]+ ".docx".format(i))
    print("outfile\n",out_file)
    wb.SaveAs2(out_file, FileFormat=16) # file format for docx
    print("success...")
    wb.Close()

word.Quit()

这对我来说就像一个魅力，转换了带有格式和图像的 500 页 PDF。

Answer 4

您可以使用GroupDocs.Conversion Cloud SDK for python，无需安装任何第三方工具或软件。

Python 代码示例：

# Import module
import groupdocs_conversion_cloud

# Get your app_sid and app_key at https://dashboard.groupdocs.cloud (free registration is required).
app_sid = "xxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxx"
app_key = "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

# Create instance of the API
convert_api = groupdocs_conversion_cloud.ConvertApi.from_keys(app_sid, app_key)
file_api = groupdocs_conversion_cloud.FileApi.from_keys(app_sid, app_key)

try:

        #upload soruce file to storage
        filename = 'Sample.pdf'
        remote_name = 'Sample.pdf'
        output_name= 'sample.docx'
        strformat='docx'

        request_upload = groupdocs_conversion_cloud.UploadFileRequest(remote_name,filename)
        response_upload = file_api.upload_file(request_upload)
        #Convert PDF to Word document
        settings = groupdocs_conversion_cloud.ConvertSettings()
        settings.file_path =remote_name
        settings.format = strformat
        settings.output_path = output_name

        loadOptions = groupdocs_conversion_cloud.PdfLoadOptions()
        loadOptions.hide_pdf_annotations = True
        loadOptions.remove_embedded_files = False
        loadOptions.flatten_all_fields = True

        settings.load_options = loadOptions

        convertOptions = groupdocs_conversion_cloud.DocxConvertOptions()
        convertOptions.from_page = 1
        convertOptions.pages_count = 1

        settings.convert_options = convertOptions
 .               
        request = groupdocs_conversion_cloud.ConvertDocumentRequest(settings)
        response = convert_api.convert_document(request)

        print("Document converted successfully: " + str(response))
except groupdocs_conversion_cloud.ApiException as e:
        print("Exception when calling get_supported_conversion_types: {0}".format(e.message))

我是 aspose 的开发者布道者。

Answer 5

根据预览答案，这是使用 Python 3.7.1

最适合我的解决方案

import win32com.client
import os

# INPUT/OUTPUT PATH
pdf_path = r"""C:\path2pdf.pdf"""
output_path = r"""C:\output_folder"""

word = win32com.client.Dispatch("Word.Application")
word.visible = 0  # CHANGE TO 1 IF YOU WANT TO SEE WORD APPLICATION RUNNING AND ALL MESSAGES OR WARNINGS SHOWN BY WORD

# GET FILE NAME AND NORMALIZED PATH
filename = pdf_path.split('\\')[-1]
in_file = os.path.abspath(pdf_path)

# CONVERT PDF TO DOCX AND SAVE IT ON THE OUTPUT PATH WITH THE SAME INPUT FILE NAME
wb = word.Documents.Open(in_file)
out_file = os.path.abspath(output_path + '\\' + filename[0:-4] + ".docx")
wb.SaveAs2(out_file, FileFormat=16)
wb.Close()
word.Quit()

Answer 6

您的计算机上装有 Adobe

如果您的机器上有 adobe acrobate，您可以使用以下功能将 PDF 文件另存为 docx 文件

# Open PDF file, use Acrobat Exchange to save file as .docx file.

import win32com.client, win32com.client.makepy, os, winerror, errno, re
from win32com.client.dynamic import ERRORS_BAD_CONTEXT

def PDF_to_Word(input_file, output_file):
    
    ERRORS_BAD_CONTEXT.append(winerror.E_NOTIMPL)
    src = os.path.abspath(input_file)
    
    # Lunch adobe
    win32com.client.makepy.GenerateFromTypeLibSpec('Acrobat')
    adobe = win32com.client.DispatchEx('AcroExch.App')
    avDoc = win32com.client.DispatchEx('AcroExch.AVDoc')
    # Open file
    avDoc.Open(src, src)
    pdDoc = avDoc.GetPDDoc()
    jObject = pdDoc.GetJSObject()
    # Save as word document
    jObject.SaveAs(output_file, "com.adobe.acrobat.docx")
    avDoc.Close(-1)

请注意，输入文件和输出文件需要如下：

1. D:\OneDrive... ile.pdf
2. D:\OneDrive...\dafad.docx

Answer 7

对于安装了 LibreOffice 的 Linux 用户尝试一下

soffice --invisible --convert-to doc file_name.pdf

如果您遇到类似

Error: no export filter found, abording

的错误，请尝试此操作

soffice --infilter="writer_pdf_import" --convert-to doc file_name.pdf

Answer 8

Aspose.Words for Python 支持从 PDF 到 DOCX 的转换。代码非常简单：

import aspose.words as aw

doc = aw.Document("C:\\Temp\\in.pdf")
doc .save("C:\\Temp\\out.docx")

Aspose.Words 支持多种文档格式，但最初它被设计用于处理 MS Word 文档。

Answer 9

pdf2document.com - 不丢失 pdf 布局，提供将 PDF 文件转换为文档的 API，每天为所有用户提供 30 个免费页面转换。