只用40行Python代码就能写出pdf转word小工具

一、图示

上面为pdf截图内容，下面为转化后的word截图内容

接下来，我们试试自己动作写这个工具吧！

二、前期准备

由于我们采用的是python进行工具编写，并最终需要打包成一个exe文件供我们使用。为了降低包体大小，我们需要先创建一个虚拟环境备用。

另外，pdf转word有现成的第三方库pdf2docx，同时关于gui我们用的是pysimplegui，打包成exe采用的是pyinstaller。在创建虚拟环境后，我们将这些需要用到的第三方库也一一安装吧。

# 创建虚拟环境
conda create -n env_pdf python=3.8.8

# 激活虚拟环境
conda  activate env_pdf

# 安装三个库
pip install pdf2docx
pip install pysimplegui
pip install pyinstaller

关于这三个库，大家可以查阅官方文档了解更多：

pdf2word : https://dothinking.github.io/pdf2docx/index.html

pysimplegui：https://pysimplegui.readthedocs.io/en/latest/

pyinstaller：http://www.pyinstaller.org/

前期准备工具就绪，我们开始进入工具编写阶段。

三、pdf转word

pdf转word感觉是一个存在已久的话题，现在其实市面上很多工具可以使用，不过完全免费的可能需要认真找找。

我们知道python有很多处理pdf文档的第三方库以及处理word的第三方库，所以有人就将这两类库的功能进行了整合，从而有了今天的主角pdf2docx。

基本思路：

• 利用PyMuPDF获取页面元素，例如文本和形状及其位置

• 再利用元素间的相对位置关系推断内容

• 最后使用python-docx将上一步解析的内容元素重建为docx格式的Word文档

基于以上情况，咱们这个工具在进行操作的时候会存在以下不足：

• 无法识别和重建PDF扫描件

• 根据有限的、确定的规则建立PDF与docx元素之间的映射并非完全可靠，也就是说仅能处理常见的规范的格式，而非百分百还原

当然，以上这些我们都不用管，直接参考官方给到的代码即可：

from pdf2docx import Converter
import re

# 传入文件绝对路径
def pdf_to_word(fileName):
    pdf_file = fileName
    # 正则获取不含文件类型后缀的部分，用于组成word文档绝对路径
    name = re.findall(r'(.*?)\.',pdf_file)[0]
    docx_file = f'{name}.docx'

    cv = Converter(pdf_file)
    cv.convert(docx_file, start=0, end=None)
    cv.close()

其中，start和end参数指定待转换pdf文档的页码范围（默认是从0开始到最后一页）；也可以通过pages指定不连续的页面，例如pages=[1,3,5]。

四、GUI设计

关于pdf转word的功能，我们需要的就是选择待转化的文件、开始转化即可，另外记录一下操作流让我们知道进度就完美了。所以，功能其实很简单，我们基于以上功能设计简单的GUI如下：

ue设计手稿

由于我们这次用到的是pysimplegui这个超级简单好用的工具库，那么为了满足以上功能，编码如下（思路见注释）。

import PySimpleGUI as sg
import re

# 主题设置
sg.theme('DarkTeal7')

# 布局设置
layout = [
          [sg.Text('待转化的文件是：',font=("微软雅黑", 12)),sg.Text('',key='filename',size=(50,1),font=("微软雅黑", 10),text_color='blue')],
          [sg.Text('程序操作记录',justification='center')],
          [sg.Output(size=(80, 20),font=("微软雅黑", 10))],                
          [sg.FileBrowse('选择文件',key='file',target='filename'),sg.Button('开始转化'),sg.Button('关闭程序')]
         ]      

# 创建窗口
window = sg.Window('pdf转word工具，作者@微信公众号：可以叫我才哥', layout,font=("微软雅黑", 15),default_element_size=(50,1))    

# 事件循环
while True:
    event, values = window.read()
    if event in (None, '关闭程序'):
        break
    if event == '开始转化':
        if values['file'] and re.findall(r'\.(\S+)',values['file'])[0]=='pdf':
            fileName = values['file']
            pdf_to_word(fileName)
            print('\n----------转化完毕----------\n')
        else:
            print('文件未选取或文件非pdf文件\n请先选择文件')

window.close()

不得不说，确实会比PyQt5要来的简单。

sg.theme('DarkTeal7')是设置gui的主题，pysimplegui提供很多主题，大家可以自由选择；

layout就是设置布局，具体我们根据UE手稿需求从上到下依次设置：

• sg.Text()设置文本内容和格式

• sg.Output()设置print输出的地方

• sg.FileBrowse()设置文件选择浏览器，key是指定健名称，target是选定的文件夹名

• sg.Button()设置按钮

• sg.Window()是创建窗口，可以带窗口名称等信息

event和values是当执行window.read()函数时的返回值：其中event是事件，如点击按钮、选择文件等；values是包含输入的值，比如我们选择文件后的文件名信息值。

结合之前的pdf转word函数，这里的逻辑如下：

当我们点击开始转化按钮，先判断是否选择了pdf文件，如果是则执行转化函数，否则就提示文件未选择或选择的非pdf文件。

五、打包代码

这里采用的是pyinstaller进行程序代码打包，操作指令如下：

pyinstaller -F -w pdf转word小工具.py

部分参数含义：

-F    表示生成单个可执行文件 

-w   表示去掉控制台窗口，这在GUI界面时非常有用 

-p    表示你自己自定义需要加载的类路径，一般情况下用不到 

-i     表示可执行文件的图标

其实，最新版本的word（office2019）已经天然支持对非扫描版pdf的读取和转化了，大家通过以下流程进行处理：文档—>打开—>选择待转化pdf文件即可。

office-word自带转化功能

来源：https://blog.csdn.net/aaahtml/article/details/117279793