隻用40行Python代碼就能寫出pdf轉word小工具

Posted on by

一、圖示

上面為pdf截圖內容，下面為轉化後的word截圖內容

Image

接下來，我們試試自己動作寫這個工具吧！

二、前期準備

由於我們采用的是python進行工具編寫，並最終需要打包成一個exe文件供我們使用。為瞭降低包體大小，我們需要先創建一個虛擬環境備用。

另外，pdf轉word有現成的第三方庫pdf2docx，同時關於gui我們用的是pysimplegui，打包成exe采用的是pyinstaller。在創建虛擬環境後，我們將這些需要用到的第三方庫也一一安裝吧。

# 創建虛擬環境
conda create -n env_pdf python=3.8.8
 
# 激活虛擬環境
conda  activate env_pdf
 
# 安裝三個庫
pip install pdf2docx
pip install pysimplegui
pip install pyinstaller

關於這三個庫，大傢可以查閱官方文檔瞭解更多：

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

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

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

前期準備工具就緒，我們開始進入工具編寫階段。

三、pdf轉word

pdf轉word感覺是一個存在已久的話題，現在其實市面上很多工具可以使用，不過完全免費的可能需要認真找找。

我們知道python有很多處理pdf文檔的第三方庫以及處理word的第三方庫，所以有人就將這兩類庫的功能進行瞭整合，從而有瞭今天的主角pdf2docx。

基本思路：

  • 利用PyMuPDF獲取頁面元素，例如文本和形狀及其位置
  • 再利用元素間的相對位置關系推斷內容
  • 最後使用python-docx將上一步解析的內容元素重建為docx格式的Word文檔

基於以上情況，咱們這個工具在進行操作的時候會存在以下不足：

  • 無法識別和重建PDF掃描件
  • 根據有限的、確定的規則建立PDF與docx元素之間的映射並非完全可靠，也就是說僅能處理常見的規范的格式，而非百分百還原

當然，以上這些我們都不用管，直接參考官方給到的代碼即可：

from pdf2docx import Converter
import re
 
# 傳入文件絕對路徑
def pdf_to_word(fileName):
    pdf_file = fileName
    # 正則獲取不含文件類型後綴的部分，用於組成word文檔絕對路徑
    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參數指定待轉換pdf文檔的頁碼范圍（默認是從0開始到最後一頁）；也可以通過pages指定不連續的頁面，例如pages=[1,3,5]。

四、GUI設計

關於pdf轉word的功能，我們需要的就是選擇待轉化的文件、開始轉化即可，另外記錄一下操作流讓我們知道進度就完美瞭。所以，功能其實很簡單，我們基於以上功能設計簡單的GUI如下：

Image

ue設計手稿

由於我們這次用到的是pysimplegui這個超級簡單好用的工具庫，那麼為瞭滿足以上功能，編碼如下（思路見註釋）。

import PySimpleGUI as sg
import re
 
# 主題設置
sg.theme('DarkTeal7')
 
# 佈局設置
layout = [
          [sg.Text('待轉化的文件是：',font=("微軟雅黑", 12)),sg.Text('',key='filename',size=(50,1),font=("微軟雅黑", 10),text_color='blue')],
          [sg.Text('程序操作記錄',justification='center')],
          [sg.Output(size=(80, 20),font=("微軟雅黑", 10))],                
          [sg.FileBrowse('選擇文件',key='file',target='filename'),sg.Button('開始轉化'),sg.Button('關閉程序')]
         ]      
 
# 創建窗口
window = sg.Window('pdf轉word工具，作者@微信公眾號：可以叫我才哥', layout,font=("微軟雅黑", 15),default_element_size=(50,1))    
 
# 事件循環
while True:
    event, values = window.read()
    if event in (None, '關閉程序'):
        break
    if event == '開始轉化':
        if values['file'] and re.findall(r'\.(\S+)',values['file'])[0]=='pdf':
            fileName = values['file']
            pdf_to_word(fileName)
            print('\n----------轉化完畢----------\n')
        else:
            print('文件未選取或文件非pdf文件\n請先選擇文件')
 
window.close()

不得不說，確實會比PyQt5要來的簡單。

sg.theme('DarkTeal7')是設置gui的主題，pysimplegui提供很多主題，大傢可以自由選擇；

layout就是設置佈局，具體我們根據UE手稿需求從上到下依次設置：

  • sg.Text()設置文本內容和格式
  • sg.Output()設置print輸出的地方
  • sg.FileBrowse()設置文件選擇瀏覽器，key是指定健名稱，target是選定的文件夾名
  • sg.Button()設置按鈕
  • sg.Window()是創建窗口，可以帶窗口名稱等信息

event和values是當執行window.read()函數時的返回值：其中event是事件，如點擊按鈕、選擇文件等；values是包含輸入的值，比如我們選擇文件後的文件名信息值。

結合之前的pdf轉word函數，這裡的邏輯如下：

當我們點擊開始轉化按鈕，先判斷是否選擇瞭pdf文件，如果是則執行轉化函數，否則就提示文件未選擇或選擇的非pdf文件。

五、打包代碼

這裡采用的是pyinstaller進行程序代碼打包，操作指令如下：

pyinstaller -F -w pdf轉word小工具.py

部分參數含義：

-F    表示生成單個可執行文件 

-w   表示去掉控制臺窗口，這在GUI界面時非常有用 

-p    表示你自己自定義需要加載的類路徑，一般情況下用不到 

-i     表示可執行文件的圖標

其實，最新版本的word（office2019）已經天然支持對非掃描版pdf的讀取和轉化瞭，大傢通過以下流程進行處理：文檔—>打開—>選擇待轉化pdf文件即可。

Image

office-word自帶轉化功能

到此這篇關於隻用40行Python代碼就能寫出pdf轉word小工具的文章就介紹到這瞭,更多相關pdf轉word小工具內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：