Python六行代碼搞定PDF轉Word？

實踐操作

在Python中想要實現從PDF文檔向Word文檔的轉換可以使用pdf2docx庫，這個庫就是用來進行PDF到Word的轉換操作的。要想使用該庫，首先需要確保已經安裝了該庫。

然后可以通過如下的代碼實現PDF到Word的轉換。

from pdf2docx import Converterdef convert_pdf_to_word(pdf_file_path, word_file_path):    # 創建轉換器對象    cv = Converter(pdf_file_path)        # 將 PDF 轉換為 Word    cv.convert(word_file_path, start=0, end=None)        # 關閉轉換器    cv.close()# 調用函數并指定輸入PDF文件路徑和輸出Word文件路徑convert_pdf_to_word('input.pdf', 'output.docx')

當然這個代碼轉換可以完成90%格式的轉換，由于Word與PDF本身的文檔差異，很難做到100%的轉換。

其他方式

當然還有一種非常Low的操作，就是直接進行文檔讀取。這種方式不涉及格式的變化，用到PyMuPDF庫，這個庫可以直接對PDF中的內容進行提取，并且直接插入到Word文檔中，對于一些文字類的可以使用這種方式來操作。

首先需要安裝PyMuPDF庫。

代碼實現如下所示。

import fitz  # PyMuPDFfrom docx import Documentdef convert_pdf_to_word(pdf_file_path, word_file_path):    # 創建一個空的Word文檔對象    doc = Document()        # 打開PDF文件    pdf_document = fitz.open(pdf_file_path)        # 遍歷PDF中的每一頁    for page_number in range(len(pdf_document)):        # 創建一個新的段落，并將PDF頁面的文本插入到段落中        page_text = pdf_document[page_number].get_text()        doc.add_paragraph(page_text)        # 保存Word文檔    doc.save(word_file_path)# 調用函數并指定輸入PDF文件路徑和輸出Word文件路徑convert_pdf_to_word('input.pdf', 'output.docx')

這段代碼中，會將PDF文件中的每一頁內容進行提取，并且插入到Word文檔中，保持原始的格式。

總結

對于一些沒有完全按照格式轉換的文檔，沒有簡單的Python庫可以實現，由于PDF和Word的內部結構和樣式信息有所不同，直接做到完全的格式轉換是有一定的難度的，即使是一些商業軟件都很難做到這一點。當然你也可以嘗試使用商業軟件，或許會比這種廉價的方式支持更高級的轉換操作。