将PDF转换为DOC(Python/Bash)

Question

我看过一些允许用户上传PDF并返回DOC文件的页面,比如PdfToWord

有没有办法使用Python或任何Unix命令将PDF文件转换为文件DOC/DOCX？

提前致谢

Answer 1

这很困难,因为PDF是面向表示的,而word文档是面向内容的.我测试了两个,可以推荐以下项目.

1. PyPDF2
2. PDFMiner

但是,你肯定会失去转换中的表现方面.

Answer 2

如果您安装了LibreOffice

lowriter --invisible --convert-to doc '/your/file.pdf'

如果你想使用Python:

import os
import subprocess

for top, dirs, files in os.walk('/my/pdf/folder'):
    for filename in files:
        if filename.endswith('.pdf'):
            abspath = os.path.join(top, filename)
            subprocess.call('lowriter --invisible --convert-to doc "{}"'
                            .format(abspath), shell=True)

Answer 3

如果你想转换 PDF -> MS Word 类型的文件，比如 docx，我遇到了这个.

阿辛·沙比尔写道：

import glob
import win32com.client
import os

word = win32com.client.Dispatch("Word.Application")
word.visible = 0

pdfs_path = "" # folder where the .pdf files are stored
for i, doc in enumerate(glob.iglob(pdfs_path+"*.pdf")):
    print(doc)
    filename = doc.split('\\')[-1]
    in_file = os.path.abspath(doc)
    print(in_file)
    wb = word.Documents.Open(in_file)
    out_file = os.path.abspath(reqs_path +filename[0:-4]+ ".docx".format(i))
    print("outfile\n",out_file)
    wb.SaveAs2(out_file, FileFormat=16) # file format for docx
    print("success...")
    wb.Close()

word.Quit()

这对我来说就像一个魅力，转换了 500 页带有格式和图像的 PDF。