只需2行代码，轻松将PDF转换成Word

可将 PDF 转换成 docx 文件的 Python 库。该项目通过 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。

pdf2docx功能

-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

pdf2docx同时解析出了表格内容和样式，因此也可以作为一个表格内容提取工具。

限制

-目前暂不支持扫描PDF文字识别
-仅支持从左向右书写的语言（因此不支持阿拉伯语）
-不支持旋转的文字
-基于规则的解析无法保证100%还原PDF样式

安装

pipinstallpdf2docx

案例

frompdf2docximportparse

pdf_file='/path/to/sample.pdf'
docx_file='path/to/sample.docx'

#convertpdftodocx
parse(pdf_file,docx_file)

Run

---

审核编辑 ：李倩