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'#convertpdftodocxparse(pdf_file,docx_file)

Run