基于pdf2docx模块怎么用Python实现批量将PDF转Word文档

1. 为什么用Python实现？

最近想将一些PDF文件转换为Word文档，第一时间想到W某S系列都有Pdf文档转Word文档的功能，结果还要会员？？？这里针对不想付费的情况所设计的一套方案。

2. 模块安装

这里主要用到的第三方模块是pdf2docx，用下面的pip命令安装即可：

pip install pdf2docx

3. 模块介绍

pdf2docx是一个Python模块，可以用来将PDF文件转换成Word文档。它是基于Python的pdfminer和python-docx库开发的，可以在Windows、Linux和Mac系统上运行。

pdf2docx模块可以直接从PDF文件中提取文本和图片，并将其转换成可编辑的Word文档。它可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。

使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。以下是一个简单的示例代码：

import pdf2docx



# 将PDF文件转换成Word文档

pdf2docx.parse('example.pdf', 'example.docx')

在上述代码中，我们首先导入pdf2docx模块，然后使用parse函数将PDF文件example.pdf转换成Word文档example.docx。

pdf2docx模块还提供了一些其他的函数和选项，可以根据需要进行配置和使用。以下是一些常用的函数和选项：

parse：将PDF文件转换成Word文档parse_pages：将PDF文件中的一页转换成Word文档parse_images：将PDF文件中的图片提取出来parse_text：将PDF文件中的文本提取出来parse_layout：将PDF文件中的页面布局提取出来

pdf2docx模块还支持一些高级选项，如自定义字体、颜色、大小、格式等，可以根据需要进行配置和使用。

总结：pdf2docx是一个非常实用的Python模块，可以将PDF文件转换成可编辑的Word文档。它基于pdfminer和python-docx库开发，可以处理包含复杂布局和格式的PDF文件，并保留原始的字体、颜色、大小和格式等属性。使用pdf2docx模块非常简单，只需要安装pdf2docx库并导入相应的函数即可。

4. 需求

Python实现批量将PDF转Word文档j，用到pdf2docx和os模块。

5. 注意事项

1、PDF文档的后缀务必是“.pdf”，否则转换不成功

2、大部分的PDF文档都可用这个程序来转换，如果是图片生成的Pdf文档，则转换不成功，原因是要将图片里的文字转换成文档涉及到人工智能的知识，它已超出这个程序的能力范围。但也不用慌，遇到此情况，可以用QQ的文件助手来帮忙，此处不赘述。

6. 完整代码实现

下方代码只需要修改file_path 文件路径即可：

import os

from pdf2docx import Converter





def pdf_docx():

    # 获取当前工作目录

    file_path = r'C:\Users\test'

    # 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 = file_path + '\\' + file

        # 要转换的docx文件名称

        docx_name = file_path + '\\' + file_name + '.docx'

        # 加载pdf文档

        cv = Converter(pdf_name)

        cv.convert(docx_name)

        cv.close()





if __name__ == '__main__':

    pdf_docx()

7. 运行结果

控制台实现打印转换的页码进程：

实现了PDF转Word：

打开的效果：