python实现pdf转word、word转pdf

我的博客

文章首发于公众号：小肖学数据分析

Python自动化办公通常对常用的办公软件文档格式进行操作，比如Word和PDF。

很多软件都需要付费，作为程序员，怎么可能付费。

下面是一个简单示例，如何在Python中将Word文档转换为PDF，以及如何从PDF转换回Word格式。

Word转PDF

在Python中，我们可以利用pywin32库（Windows平台专用）或者unoconv（跨平台）来将Word转换为PDF。以下将提供一个使用pywin32的示例。

首先，确保你已经安装了pywin32：

pip install pywin32

然后，你可以使用以下代码来转换一个Word文档到PDF格式：

import comtypes.client
import os
def doc_to_pdf(doc_path, pdf_path):
    # 确保文档路径是绝对的
    doc_path = os.path.abspath(doc_path)
    pdf_path = os.path.abspath(pdf_path)

    # 启动Word应用程序
    word = comtypes.client.CreateObject('Word.Application')
    # 后台运行，不显示，不警告
    word.Visible = False
    word.DisplayAlerts = False

    try:
        # 打开Word文档
        doc = word.Documents.Open(doc_path)
        # 转换成PDF
        doc.SaveAs(pdf_path, FileFormat=17)
        # 关闭Word文档
        doc.Close()
    finally:
        # 退出Word应用程序
        word.Quit()

doc_file = 'path_to_your_document.docx'
pdf_file = 'path_to_your_document.pdf'
doc_to_pdf(doc_file, pdf_file)

在上面的代码中，替换path_to_your_document.docx和path_to_your_document.pdf分别为你的Word文档路径和你希望保存的PDF文件路径。

PDF转Word

将PDF转换回Word文档相对来说更为复杂，因为PDF文件通常不包含结构化信息，这使得转换过程可能会产生格式和布局上的偏差。需要用到pdf2docx库。

首先，安装pdf2docx库：

pip install pdf2docx

接下来，使用以下代码：

# pdf_to_word_converter.py
import tkinter as tk
from tkinter import filedialog
from pdf2docx import Converter

def convert_pdf_to_word(pdf_file_path, word_file_path):
    cv = Converter(pdf_file_path)
    cv.convert(word_file_path, start=0, end=None)
    cv.close()
    print(f'文件已转换并保存到 {word_file_path}')

def select_pdf_file():
    root = tk.Tk()
    root.withdraw()  # 隐藏主窗口
    pdf_file_path = filedialog.askopenfilename(
        title='选择PDF文件',
        filetypes=[('PDF Files', '*.pdf')]
    )
    root.destroy()  # 关闭Tkinter窗口
    return pdf_file_path if pdf_file_path else None

def select_word_file():
    root = tk.Tk()
    root.withdraw()  # 隐藏主窗口
    word_file_path = filedialog.asksaveasfilename(
        title='保存Word文件',
        filetypes=[('Word Files', '*.docx')],
        defaultextension='.docx'
    )

    root.destroy()  # 关闭Tkinter窗口
    if word_file_path:
        # 仅当路径不以".docx"结尾时才添加扩展名
        word_file_path = word_file_path if word_file_path.lower().endswith('.docx') else word_file_path + '.docx'
        return word_file_path
    else:
        print('没有选择文件')
        return None

pdf_file = select_pdf_file()
if pdf_file:
    word_file = select_word_file()
    if word_file:
        convert_pdf_to_word(pdf_file, word_file)
    else:
        print('文件转换取消。')
else:
    print('文件选择取消。')

在这个例子中，可以通过可视化界面来实现pdf转word,选择输出的路径。

请注意，这些转换方法依赖于第三方库和应用程序，可能无法完全保留原始文档的所有格式和布局。

在转换过程中，某些复杂的布局和元素（如表格、脚注或嵌入式图像）可能会发生变化，因此可能需要手动调整以获得最佳结果。

应用Python进行文档格式转换可以极大地提高办公效率，特别是当涉及到批量处理文档时。然而，始终需要留意转换后的文档质量，并进行必要的校验和编辑。