一、圖示

上面為pdf截圖內容，下面為轉化后的word截圖內容

接下來，我們試試自己動作寫這個工具吧！

二、前期準備

由于我們采用的是python進行工具編寫，并最終需要打包成一個exe文件供我們使用。為了降低包體大小，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，同時關于gui我們用的是pysimplegui，打包成exe采用的是pyinstaller。在創建虛擬環境后，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

關于這三個庫，大家可以查閱官方文檔了解更多：

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了整合，從而有了今天的主角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
• 最后使用python-docx將上一步解析的內容元素重建為docx格式的Word文檔

基于以上情況，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元素之間的映射并非完全可靠，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后綴的部分，用于組成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開始到最后一頁）；也可以通過pages指定不連續的頁面，例如pages=[1,3,5]。

四、GUI設計

關于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了。所以，功能其實很簡單，我們基于以上功能設計簡單的GUI如下：

ue設計手稿

由于我們這次用到的是pysimplegui這個超級簡單好用的工具庫，那么為了滿足以上功能，編碼如下（思路見注釋）。

import PySimpleGUI as sg
import re
 
# 主題設置
sg.theme('DarkTeal7')
 
# 布局設置
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，大家可以自由選擇；

layout就是設置布局，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，比如我們選擇文件后的文件名信息值。

結合之前的pdf轉word函數，這里的邏輯如下：

當我們點擊開始轉化按鈕，先判斷是否選擇了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

這里采用的是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的讀取和轉化了，大家通過以下流程進行處理：文檔—>打開—>選擇待轉化pdf文件即可。

office-word自帶轉化功能

到此這篇關于只用40行Python代碼就能寫出pdf轉word小工具的文章就介紹到這了,更多相關pdf轉word小工具內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！