weixin_63742640的博客

原创 python批量docx to pdf

最近在使用MinerU将PDF文件转为Markdown格式，MinerU转换的过程中会自动的将PDF文段行尾的换行符或者空格等干扰项去除，同时还保留了文章的层级信息，是一个非常好用的工具。但是，通常还会遇到许多的Word文档（doc、docx），现在的MinerU已经不在内部集成libreoffice了，这就需要我们自己处理Word文档，将它们转换为PDF文档再给MinerU处理。