PDF文档遵循一定的规范，例如精确定位了每个字符出现在页面上的坐标、根据坐标绘制的各种形状（线、矩形、曲线等）。所以，用PDF格式传输和打印文档可以保证格式的一致性，不会像Word那样因为渲染引擎的不同而出现格式错乱、多页少页等问题。
Word文档则是一种流式布局，元素之间的相对距离决定了其呈现在页面上的最终位置。因此适合编辑内容，前文内容的修改自动促发后续文档布局的更新。
PDF转Word是一个古老的话题，其难点在于建立从PDF基于元素位置的格式到Word基于内容的格式的映射。
PDF文档实际并不存在段落、表格的概念，PDF转Word要做的就是将PDF文档中“横、竖线条围绕着文本”解析为Word的“表格”，将“文本及下方的一条横线”解析为“文本下划线”，等等。
pdf2docx支持Windows和Linux平台，要求Python版本>=3.6。
pdf2docx安装方式：
pip?install?pdf2docx
pdf2docx使用
from?pdf2docx?import?Converter思路如下
-
获取pdf文件路径。
-
过滤出当前文件夹中所有的pdf文件。
-
提取pdf文件名和后缀名。
-
文件名+'docx'拼接重组word文件(改变格式不变文件名)。
-
使用pdf2docx进行文件转换。
源码
代码很简单，源码奉上，思路都在注释里已经说明
import?os
from?pdf2docx?import?Converter
def?pdf_docx():
????#?获取当前工作目录
????file_path?=?os.getcwd()
????#?遍历所有文件
????for?file?in?os.listdir(file_path):
????????#?获取文件后缀
????????suff_name?=?os.path.splitext(file)[1]
????????#?过滤非pdf格式文件
????????if?suff_name?!=?'.pdf':
????????????continue
????????#?获取文件名称
????????file_name?=?os.path.splitext(file)[0]
????????#?pdf文件名称
????????pdf_name?=?os.getcwd()?+?'\\'?+?file
????????#?要转换的docx文件名称
????????docx_name?=?os.getcwd()?+?'\\'?+?file_name?+?'.docx'
????????#?加载pdf文档
????????cv?=?Converter(pdf_name)
????????cv.convert(docx_name)
????????cv.close()测试
我们准备的pdf文档有格式，有图片。先来进行测试
控制台信息打印如下，0.17秒完成了3页pdf->docx文件的转换
[INFO]?Start?to?convert?E:\Python\pycharm++\GOGO数据\卢本伟.pdf
[INFO]?[1/4]?Opening?document...
[INFO]?[2/4]?Analyzing?document...
[WARNING]?Replace?font?"MicrosoftYaHeiUI"?with?"Times?New?Roman"?due?to?lack?of?data.
Deprecation:?'getText'?removed?from?class?'Page'?after?v1.19.0?-?use?'get_text'.
Deprecation:?'getImageList'?removed?from?class?'Page'?after?v1.19.0?-?use?'get_images'.
Deprecation:?'getImageBbox'?removed?from?class?'Page'?after?v1.19.0?-?use?'get_image_bbox'.
Deprecation:?'getPNGData'?removed?from?class?'Pixmap'?after?v1.19.0?-?use?'tobytes'.
Deprecation:?'getDrawings'?removed?from?class?'Page'?after?v1.19.0?-?use?'get_drawings'.
Deprecation:?'getLinks'?removed?from?class?'Page'?after?v1.19.0?-?use?'get_links'.
Deprecation:?'getArea'?removed?from?class?'Rect'?after?v1.19.0?-?use?'get_area'.
[INFO]?[3/4]?Parsing?pages...
[INFO]?(1/3)?Page?1
[INFO]?(2/3)?Page?2
[INFO]?(3/3)?Page?3
[INFO]?[4/4]?Creating?pages...
[INFO]?(1/3)?Page?1
[INFO]?(2/3)?Page?2
[INFO]?(3/3)?Page?3
[INFO]?Terminated?in?0.17s.转换完成后的docx文件格式如下：
现在我们已经完成了pdf转word的操作，这样的局限性太大了，万一我的pc没有python环境怎么搞？
接下来我们对文件进行打包，让你随时随地可以转换文档
python 上常见的打包方式目是通过?pyinstaller?来实现的。
pip?install?pyinstaller?
详细步骤
pyinstaller 是一个命令行工具，下面是详细步骤
1、cmd 切换到 python 文件的目录
2、执行命令?pyinstall -F pdfToword.py
执行完毕会发现生成了 3 个文件夹
其中 dist 文件夹就有我们已经打包完成的 exe 文件。
3、双击 exe 就可以运行成功了。一键抓换pdf-word
够方便的吧~~
今天的分享就到此结束啦，