太牛了！只需2行程式碼，輕鬆將PDF轉換成Word!

可將PDF轉換成docx檔案的Python庫。該專案透過PyMuPDF庫提取PDF檔案中的資料，然後採用python-docx庫解析內容的佈局、段落、圖片、表格等，最後自動生成docx檔案。

來源：菜鳥學Python

pdf2docx功能

- 解析和建立頁面佈局
  - 頁邊距
  - 章節和分欄 (目前最多支援兩欄佈局)
  - 頁首和頁尾 [TODO]

- 解析和建立段落
  - OCR 文字 [TODO] 
  - 水平（從左到右）或豎直（自底向上）方向文字
  - 字型樣式例如字型、字號、粗/斜體、顏色
  - 文字樣式例如高亮、下劃線和刪除線
  - 列表樣式 [TODO]
  - 外部超連結
  - 段落水平對齊方式 (左/右/居中/分散對齊)及前後間距

- 解析和建立圖片
  - 內聯圖片
    - 灰度/RGB/CMYK等顏色空間圖片
    - 帶有透明通道圖片
    - 浮動圖片（襯於文字下方）

- 解析和建立表格
  - 邊框樣式例如寬度和顏色
  - 單元格背景色
  - 合併單元格
  - 單元格垂直文字
  - 隱藏部分邊框線的表格
  - 巢狀表格

- 支援多程序轉換

pdf2docx同時解析出了表格內容和樣式，因此也可以作為一個表格內容提取工具。

- 目前暫不支援掃描PDF文字識別
- 僅支援從左向右書寫的語言（因此不支援阿拉伯語）
- 不支援旋轉的文字
- 基於規則的解析無法保證100%還原PDF樣式

安裝

pip install pdf2docx

案例

from pdf2docx import parse

pdf_file = '/path/to/sample.pdf'
docx_file = 'path/to/sample.docx'

# convert pdf to docx
parse(pdf_file, docx_file)

Run

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~

文章推薦

◆常用的幾個經典Python模組

◆都2023年了，為什麼資料孤島問題還沒解決！

◆MySQL必須掌握4種語言！

◆商業分析應該怎麼做？一篇文章把思維和工具說清楚了！

◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求

回顧十週入門數據分析系列文：

學習計劃｜帶你10周入門資料分析

關注數據君的臉書：

我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！

數據分析那些事