Python 实现 PDF 到 Word 文档的高效转换（DOC、DOCX）

背后的祢

PDF（Portable Document Format）已成为一种广泛使用的电子文档格式。PDF的主要优势是跨平台，可以在不同设备上呈现一致的外观。然而，当我们需要对文件内容进行编辑或修改，直接编辑PDF文件会非常困难，而且效果也不理想。将PDF文件转换为Word文档（doc、docx）再进行编辑是一个更好的选择。
本文将介绍如何使用Python编程语言，结合库和工具，将PDF文件转换为可编辑的Word文档，使文档的编辑变得方便高效。本文包含以下及个方面：

• PDF文件转Word文档的优势
  
• 通过Python将PDF文件转为Word文档（Doc和Docx）
  
• 通过Python将PDF文档转换为Docx文件并设置文档属性
  

本文所介绍的方法需要用到 Spire.PDF for Python，可从官网下载或通过PyPI安装：

1. pip install Spire.PDF

复制代码

 
PDF文件转Word文档的优势

将PDF文件转换为Word文档可以带来诸多优势，包括以下几个常见方面：

• 便于编辑和修改：PDF文件通常适合阅读及打印，直接编辑会非常困难，且难以达到理想的效果。将PDF转换为Word文档可以方便进行修改、添加或删除文本、更改格式等诸多操作。
  
• 便于协作编辑：使用Word文档进行协作编辑是共同创作的理想解决方案。许多协作编辑平台支持实时更新编辑内容，为内容创作带来极大的便利。而PDF文件想要利用这些方便的协作编辑特性，就需要转换为Word文档。
  
• 数据提取：有时候我们需要从PDF文件中提取特定的数据或文本内容。将PDF转换为Word文档可以更轻松地提取所需的信息，并进行进一步的数据处理和分析。
  

 
通过Python将PDF文件转为Word文档（Doc和Docx）

PdfDocument 类代表一个PDF文档，使用其下的 LoadFromFile() 方法即可从文件载入PDF文档。在载入文档后，我们可以使用 PdfDocument 类下的 SaveToFile() 方法将PDF文档转换为其他格式的文件并保存，包括Doc、Docx、HTML、SVG等格式。在使用SaveToFile()方法时，只需要将保存路径和 FileFormat 枚举类型作为参数传递给该方法即可。
下面是操作步骤介绍：

• 导入模块。
  
• 创建PdfDocument类的实例。
  
• 使用 LoadFromFile() 方法载入PDF文件。
  
• 使用 SaveToFile() 方法将PDF文档转换为DOC或DOCX格式的Word文档，并关闭实例。
  

代码示例：

1. from spire.pdf import PdfDocument
2. from spire.pdf import FileFormat
4. # 创建PdfDocument类的实例
5. pdf = PdfDocument()
7. # 载入PDF文件
8. pdf.LoadFromFile("示例.pdf")
10. # 将PDF文件直接转换为Doc文件并保存
11. pdf.SaveToFile("output/PDF转DOC", FileFormat.DOC)
13. # 将PDF文件直接转换为Docx文件并保存
14. pdf.SaveToFile("output/PDF转DOCX", FileFormat.DOCX)
16. # 关闭实例
17. pdf.Close()

复制代码

原PDF文档：

 转换结果：

 
通过Python将PDF文档转换为Docx文件并设置文档属性

除了上述方法外，还可以使用PdfToDocConverter类并将文件路径作为参数创建转换实例。使用此类进行转换时，还可以对文件属性进行设置。此方法只能转换为DOC和DOCX文件。
下面是操作步骤介绍：

• 创建 PdfToDocConverter 的实例。
  
• 通过 PdfToDocConverter.DocxOptions 属性下的属性对转换出的Word文档的文档属性进行设置。
  
• SaveToFile() 将PDF文件保存为DOC或DOCX文件，参数为True表示转换为DOCX文件，参数为False则表示转换为DOC文件。
  

代码示例：

1. from spire.pdf import PdfToDocConverter
3. # 创建PdfToDocConverter类的实例
4. converter = PdfToDocConverter("G:/文档/示例.pdf")
6. # 设置转换出的Word文档的文档属性
7. converter.DocxOptions.Title = "企业计划"
8. converter.DocxOptions.Subject = "企业管理及运营的计划草案。"
9. converter.DocxOptions.Tags = "企业, 企业管理, 工作计划"
10. converter.DocxOptions.Categories = "工作计划"
11. converter.DocxOptions.Commments = "本计划为草案，制定了工作计划的大致内容，需要进一步讨论确定详细内容。"
12. converter.DocxOptions.Authors = "李莉"
13. converter.DocxOptions.LastSavedBy = "王银"
14. converter.DocxOptions.Revision = 8
15. converter.DocxOptions.Version = "V4.0"
16. converter.DocxOptions.ProgramName = "Python"
17. converter.DocxOptions.Company = "企业名"
18. converter.DocxOptions.Manager = "企业名"
20. # 将PDF文件直接转换为Doc文件并保存
21. converter.SaveToDocx("output/PDF转DOC设置属性.doc", False)
23. # 将PDF文件直接转换为Doc文件并保存
24. converter.SaveToDocx("output/PDF转DOCX设置属性.docx", True)

复制代码

 
总结

以上文章展示了如何通过Python代码将PDF文件转换为Word文档，包括转换为DOC格式和DOCX格式，以及在转换时设置结果文档的文档属性。Spire.PDF for Python还支持转换PDF文件为其他诸多格式，包括网页文件（HTML）、SVG、JPEG和PNG图片、Tiff、RTF等格式，请前往Spire.PDF for Python教程查看详情。


 

来源:https://www.cnblogs.com/Yesi/p/17939888
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！