【PDF转DOCX】利用python轻松将PDF转换成docx

相信大家在工作和学习中总会遇到需要将pdf文件转成word文档格式的问题吧，每次遇到这种问题你是不是都在网上找各种转格式的网站？找了半天，转换到最后才告诉你，需要开VIP才可以下载？

今天就给大家介绍一下python中的pdf2docx功能，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