5、【办公自动化】Python实现PDF转Word_python pdf转word-程序员宅基地
技术标签： PDF转Word 办公自动化 pdf2doxc Python
这周 HR 小姐姐让我提供一份可编辑的简历，于是，我找了半天发现只留存了 PDF 格式的简历，这显然不符合小姐姐的要求。
为了省事，我从网上顺手下了一个声称免费文档的转换器应用程序，没想到只给我免费转一页，超过一页需要充值会员，这不是坑吗？打着免费的幌子诱导用户注册和充值，哎，不是厂商的套路太深就是自己想的太天真啊，哈哈哈哈，果断卸载了！！！
白嫖不易，冷静了一下，决定自己写个 Python 程序实现这个需求，前面自己动手实现过 Word 转 PDF ，现在再搞一个 PDF 转 Word 吧。
于是，去 Pypi 官网搜索一下是否存在类似 pdf2word、pdf2doxc 等名称的第三方库，果然发现了一个 pdf2doxc，而且安装、入门示例、API 文档也很详细，赶紧去学习下吧！
经过一番研究，这个依赖库有三种转换方式可以选择使用，下面逐一介绍下：
1、写代码实现
支持将PDF所有页进行转换，也支持指定页的转换。
<1>. 转换PDF所有页
from pdf2docx import Converter
from pdf2docx import parse
# 测试用例1
pdf_filename = 'D:\\XXX\\简历-wxx.pdf'
docx_filename_all = 'D:\\XXX\\简历-wxx_all.docx'
"""默认转换pdf所有页"""
# 方式1：
parse(pdf_filename, docx_filename_all)
# 方式2：
# pdf = Converter(pdf_filename)
# pdf.convert(docx_filename_all)
# pdf.close()转换过程中，日志如下：
<2>. 转换PDF指定页
from pdf2docx import Converter
# 测试用例1
pdf_filename = 'D:\\XXX\\简历-wxx.pdf'
docx_filename_part = 'D:\\XXX\\简历-wxx_part.docx'
"""
转换pdf指定页(比如：只转换第三页到第五页):
start=0表示第一页，end=5表示第六页但不包括
"""
pdf = Converter(pdf_filename)
# 方式1：使用start~end参数，转换前两页简历，start=0可省略
pdf.convert(docx_filename_part, start=0, end=2)
# 方式2：使用pages参数
# pdf.convert(docx_filename_part, pages=[2, 3, 4])
pdf.close()转换效果如下：（两页的简历）
2、命令行模式
这种方式不用编码，但需要熟悉命令行的书写方式，可以通过 help 查看下 pdf2docx 命令的用法：
<1>. 转换PDF所有页
<2>. 转换PDF指定页
方式1，通过start、end参数，转换第二页到第三页
方式2，通过pages参数，转换第二页和第三页
转换效果如下：
3、GUI界面模式
通过命令 pdf2docx gui 调出 GUI 界面进行转换，操作步骤如下：
总结
至此，通过 pdf2doxc 已经实现了我的 PDF 转 Word 需求，实现效果也很棒！另外，如果再深入一点的话，会有这么几个问题值得思考：
- 如果 PDF 是加密类型的怎么办？
- 如果PDF含有大量的图片，表格、代码块等特殊区域是否也可以完美转换呢？
<1>. 加密场景转换
查看 API 文档可知，通过 Converter() 函数加入打开 PDF 文档的密码参数password
<2>. 含有大量的图片，表格、代码块等特殊区域的场景转换
这里，有一篇111页的学习笔记，存在着大量的特殊区域，测试一下转换效果~
from pdf2docx import Converter
# 测试用例
pdf_filename = 'D:\\XXX\\SpringBoot经典学习笔记.pdf'
docx_filename_all = 'D:\\XXX\\SpringBoot经典学习笔记_all.docx'
docx_filename_part = 'D:\\XXX\\SpringBoot经典学习笔记_part_3.docx'
pdf = Converter(pdf_filename)
pdf.convert(docx_filename_all)
pdf.close()效果如下：
有些没有转换过来，成为了空白页！！通过控制台输出信息可以看到：出现错误时，当前页不会转换输出的。
该问题主要是 PDF 存在无法识别的特殊区域导致的，因此，PDF的内容尽量不要太复杂，不要太花里胡哨。通常情况下，pdf2doxc 库已经可以满足常见的转换需求了。
最后，Pypi官网还能搜索到 pdfminer、pdfminer1、pdfminer2、pdfminer3、pdfminer3k 等 PDF 转换/分析器的第三方库，看着都混乱，这里不再考虑使用这些库了，感兴趣的话可以再研究研究~
智能推荐
element ui 表格中的字太长，想要把多余的字变成...解决方法，一个属性即可_element ui table文字变多转换...-程序员宅基地
文章浏览阅读3.4k次，点赞5次，收藏4次。问题描述如下相应代码段 <el-table style="width: 100%" height="330px" :data="tableData" border stripe> <el-table-column align="center" type="index" label="#"></el-table-column> <el-table-column align="center" label="社团编号" prop="a_element ui table文字变多转换...
详解Java泛型机制-程序员宅基地
文章浏览阅读598次，点赞29次，收藏13次。分享一份自己整理好的Java面试手册，还有一些面试题pdf。
DOCTYPE的作用，常见声明，删除＜!DOCTYPE＞发生什么？严格模式和混杂模式_<!doctype>-程序员宅基地
文章浏览阅读2.4k次，点赞2次，收藏10次。在HTML文档首部往往会有这样一行代码：<!DOCTYPE html>由于常见而且一般可能自己使用编辑器设置了默认模板（包含这一句代码），可能很多时候我们会忽略它的存在，不知道它的作用以及重要性。实际上，这行代码是一个声明， 其作用是告诉浏览器按照哪一种HTML文档规范解析HTML文档。Web 世界中存在许多不同的文档。只有了解文档的类型，浏览器才能正确地显示文档。HTML 也有多个不同的版本，只有完全明白页面中使用的确切 HTML 版本，浏览器才能完全正确地显示出 HTML 页面。H_
Java中使用FFmpeg进行视频图像的人脸检测_java 视频识别人-程序员宅基地
文章浏览阅读106次。在Java中，我们可以使用FFmpeg库来进行视频图像的处理和分析。其中一个常见的应用是人脸检测，通过识别视频中的人脸，我们可以进行人脸识别、情感分析等各种应用。总结起来，本文介绍了如何在Java中使用FFmpeg进行视频图像的人脸检测。通过使用外部进程和FFmpeg命令，我们可以方便地在Java应用程序中集成人脸检测功能。安装和配置FFmpeg的详细步骤超出了本文的范围，您可以在FFmpeg的官方网站上找到相关的文档和指南。然后，我们构建了一个FFmpeg的命令字符串，该命令使用了FFmpeg的。_java 视频识别人
时差问题-程序员宅基地
文章浏览阅读567次。Problem4：时差问题。一个地方和北京相差17个小时（比北京慢17h），输入北京时间，输出当地时间;输入格式：年 月 日 时 分，输出格式一样。此题注意输出格式控制（后四项数字位数为两位）#include <iostream>#include <iomanip>using namespace std;bool isLeap(int year);...
【车间调度】基于matlab樽海鞘算法求解带小车的车间调度AGV-fjsp问题【含Matlab源码 3283期】-程序员宅基地
文章浏览阅读62次。樽海鞘算法求解带小车的车间调度AGV-fjsp问题完整的代码，方可运行；可提供运行操作视频！适合小白！
随便推点
保姆级爬虫无水印视频大全 最新版java+selenium_java爬取抖音视频-程序员宅基地
文章浏览阅读1k次，点赞8次，收藏8次。抖音、快手视频无水印爬虫，以及通过请求网页获取html页面数据_java爬取抖音视频
ruby on rails win下安装-程序员宅基地
文章浏览阅读4k次。ruby on rails win下安装发现新的技术ruby on rails，关于他一些介绍就不说了，我说下今天的我的安装过程！首先是下载http://rubyforge.org/projects/rubyinstaller/我弄的是最新的！然后安装，跟安装其他软件一样本地安装没学会，需要下载gemhttp://rubyforge.org/frs/?group_id=126还要下载一个配套的ap
Python Challenge笔记 - 1-程序员宅基地
文章浏览阅读93次。http://www.pythonchallenge.com/pc/def/map.html图片中提示 K->M O->Q E->G下面给了一段话 看起来是加密过了的 根据提示可以知道 每个字母后移了2位使用string和maketrans可以解决此问题解密出来的文字提示使用这个规律解密地址 将map解密后得到 ocr即下一关地址http://www.pythonchall..._maketrans(l,l[2:]+l[:2])
markdown合并单元格、设置单元格背景颜色和字体颜色_markdown表格颜色-程序员宅基地
文章浏览阅读2.6k次。markdown 编辑器通过HTML实现：设置单元格背景颜色、设置字体颜色和合并单元格的两种方式_markdown表格颜色
【Halcon轮廓提取】-程序员宅基地
文章浏览阅读1.6w次，点赞13次，收藏137次。edges_image算子：edges_image(Image : ImaAmp, ImaDir : Filter, Alpha, NMS, Low, High : )功能：使用Deriche, Lanser, Shen或者Canny 滤波器进行边缘提取参数：Image (input_object) : 单通道图像（数组）ImaAmp (output_object)：多通道图像（数组），边缘振幅或梯度大小图像。ImaAmp输出变量，说的是edges的amplitude，其实就是梯度的大小（因为边缘_halcon轮廓提取
【PLS预测】基于PCA主成分分析结合PLS实现近红外光谱检测的菠萝含水率预测附matlab代码_近红外数据pca分析-程序员宅基地
文章浏览阅读967次，点赞26次，收藏24次。近红外光谱技术（NIRS）是一种快速、无损的分析技术，已广泛应用于水果品质检测中。本文提出了一种基于主成分分析（PCA）和偏最小二乘回归（PLS）相结合的近红外光谱预测菠萝含水率的方法。该方法利用PCA降维提取光谱特征，并通过PLS建立光谱与含水率之间的定量关系模型.数据预处理：对光谱数据进行标准正态变换和一阶导数处理利用PCA对光谱数据进行降维处理，提取主成分PLS模型建立：采用PLS算法建立光谱与含水率之间的定量关系模型交叉验证法优化PLS模型参数，包括成分数和正则化参数。_近红外数据pca分析