用Python实现PDF转Word文档

Refer to

只需2行代码，轻松将PDF转换成Word

Introduce:

      要用Python实现PDF转Word，需要通过python内的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。

- 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

  

Step：

1. 安装pdf2docx库

   pip install pdf2docx

2. 代码实现

   '''
   PDF2docx
   According to PyMuPDF documentation,we could use python to
   extract data from PDF documents. And using python-docx analysis
   the contents.Finally,the docx file is automatically generated.
   
   Refer to :https://mp.weixin.qq.com/s/bXOaH1jEWGudaWakww47RQ
   '''
   
   from pdf2docx import parse
   
   pdf_file = '/path/to/sample.pdf'
   docx_file = 'path/to/sample.docx'
   
   # convert pdf to docx
   parse(pdf_file, docx_file)

3. 实现效果