pdf转word小工具 只用40行Python代码就能写出pdf转word小工具
程序员启航 人气:0一、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：http://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
加载全部内容