瓜瓜头条

Python 实现 PDF 到 Word 文档的高效转换（DOC、DOCX）

2024-01-02 10:07 由 E-iceblue 发表于 #后端开发

PDF（Portable Document Format）已成为一种广泛使用的电子文档格式。PDF的主要优势是跨平台，可以在不同设备上呈现一致的外观。然而，当我们需要对文件内容进行编辑或修改，直接编辑PDF文件会非常困难，而且效果也不理想。将PDF文件转换为Word文档（doc、docx）再进行编辑是一个更好的选择。
本文将介绍如何使用Python编程语言，结合库和工具，将PDF文件转换为可编辑的Word文档，使文档的编辑变得方便高效。本文包含以下及个方面：

  • PDF文件转Word文档的优势
  • 通过Python将PDF文件转为Word文档（Doc和Docx）
  • 通过Python将PDF文档转换为Docx文件并设置文档属性

本文所介绍的方法需要用到 Spire.PDF for Python，可从官网下载或通过PyPI安装：

pip install Spire.PDF

 

PDF文件转Word文档的优势

将PDF文件转换为Word文档可以带来诸多优势，包括以下几个常见方面：

  • 便于编辑和修改：PDF文件通常适合阅读及打印，直接编辑会非常困难，且难以达到理想的效果。将PDF转换为Word文档可以方便进行修改、添加或删除文本、更改格式等诸多操作。
  • 便于协作编辑：使用Word文档进行协作编辑是共同创作的理想解决方案。许多协作编辑平台支持实时更新编辑内容，为内容创作带来极大的便利。而PDF文件想要利用这些方便的协作编辑特性，就需要转换为Word文档。
  • 数据提取：有时候我们需要从PDF文件中提取特定的数据或文本内容。将PDF转换为Word文档可以更轻松地提取所需的信息，并进行进一步的数据处理和分析。

 

通过Python将PDF文件转为Word文档（Doc和Docx）

PdfDocument 类代表一个PDF文档，使用其下的 LoadFromFile() 方法即可从文件载入PDF文档。在载入文档后，我们可以使用 PdfDocument 类下的 SaveToFile() 方法将PDF文档转换为其他格式的文件并保存，包括Doc、Docx、HTML、SVG等格式。在使用SaveToFile()方法时，只需要将保存路径和 FileFormat 枚举类型作为参数传递给该方法即可。

下面是操作步骤介绍：

  1. 导入模块。
  2. 创建PdfDocument类的实例。
  3. 使用 LoadFromFile() 方法载入PDF文件。
  4. 使用 SaveToFile() 方法将PDF文档转换为DOC或DOCX格式的Word文档，并关闭实例。

代码示例：

from spire.pdf import PdfDocument
from spire.pdf import FileFormat

# 创建PdfDocument类的实例
pdf = PdfDocument()

# 载入PDF文件
pdf.LoadFromFile("示例.pdf")

# 将PDF文件直接转换为Doc文件并保存
pdf.SaveToFile("output/PDF转DOC", FileFormat.DOC)

# 将PDF文件直接转换为Docx文件并保存
pdf.SaveToFile("output/PDF转DOCX", FileFormat.DOCX)

# 关闭实例
pdf.Close()

原PDF文档：

 转换结果：

 

通过Python将PDF文档转换为Docx文件并设置文档属性

除了上述方法外，还可以使用PdfToDocConverter类并将文件路径作为参数创建转换实例。使用此类进行转换时，还可以对文件属性进行设置。此方法只能转换为DOC和DOCX文件。
下面是操作步骤介绍：

  1. 创建 PdfToDocConverter 的实例。
  2. 通过 PdfToDocConverter.DocxOptions 属性下的属性对转换出的Word文档的文档属性进行设置。
  3. SaveToFile() 将PDF文件保存为DOC或DOCX文件，参数为True表示转换为DOCX文件，参数为False则表示转换为DOC文件。

代码示例：

from spire.pdf import PdfToDocConverter

# 创建PdfToDocConverter类的实例
converter = PdfToDocConverter("G:/文档/示例.pdf")

# 设置转换出的Word文档的文档属性
converter.DocxOptions.Title = "企业计划"
converter.DocxOptions.Subject = "企业管理及运营的计划草案。"
converter.DocxOptions.Tags = "企业, 企业管理, 工作计划"
converter.DocxOptions.Categories = "工作计划"
converter.DocxOptions.Commments = "本计划为草案，制定了工作计划的大致内容，需要进一步讨论确定详细内容。"
converter.DocxOptions.Authors = "李莉"
converter.DocxOptions.LastSavedBy = "王银"
converter.DocxOptions.Revision = 8
converter.DocxOptions.Version = "V4.0"
converter.DocxOptions.ProgramName = "Python"
converter.DocxOptions.Company = "企业名"
converter.DocxOptions.Manager = "企业名"

# 将PDF文件直接转换为Doc文件并保存
converter.SaveToDocx("output/PDF转DOC设置属性.doc", False)

# 将PDF文件直接转换为Doc文件并保存
converter.SaveToDocx("output/PDF转DOCX设置属性.docx", True)

 

总结

以上文章展示了如何通过Python代码将PDF文件转换为Word文档，包括转换为DOC格式和DOCX格式，以及在转换时设置结果文档的文档属性。Spire.PDF for Python还支持转换PDF文件为其他诸多格式，包括网页文件（HTML）、SVG、JPEG和PNG图片、Tiff、RTF等格式，请前往Spire.PDF for Python教程查看详情。

 

热门相关：一等狂后：绝色驭兽师   万道龙皇   仙王   凤逆天下：战神杀手妃   孽徒快坑师