python如何把pdf转word

在Python中将PDF转换为Word文档（.docx）比反向转换（Word转PDF）更具挑战性，因为PDF是固定格式，而Word是可编辑格式。以下是几种可行的方法及详细步骤：

---

方法1：使用 pdf2docx 库

pdf2docx 是一个专门用于将PDF转换为Word的Python库，支持文本、表格和图片的转换。

安装与使用：

pip install pdf2docx

示例代码：

from pdf2docx import Converterdef pdf_to_word(pdf_path, word_path):cv = Converter(pdf_path)cv.convert(word_path, start=0, end=None)  # start和end指定页码范围cv.close()# 示例
pdf_to_word("input.pdf", "output.docx")

特点：

• 支持文本、表格和图片（部分保真）。
• 可指定转换的页码范围。

---

方法2：使用 PyMuPDF（fitz） + python-docx

结合PyMuPDF提取PDF内容，再用python-docx生成Word文档。

安装：

pip install pymupdf python-docx

示例代码：

import fitz  # PyMuPDF
from docx import Documentdef pdf_to_word(pdf_path, word_path):doc = Document()pdf = fitz.open(pdf_path)for page in pdf:text = page.get_text("text")  # 提取文本doc.add_paragraph(text)doc.save(word_path)# 示例
pdf_to_word("input.pdf", "output.docx")

局限：

• 仅提取文本，不保留表格、图片或复杂格式。

---

方法3：使用 pdfminer.six + python-docx

pdfminer.six 是另一个PDF文本提取工具，适合纯文本转换。

安装：

pip install pdfminer.six python-docx

示例代码：

from pdfminer.high_level import extract_text
from docx import Documentdef pdf_to_word(pdf_path, word_path):text = extract_text(pdf_path)doc = Document()doc.add_paragraph(text)doc.save(word_path)# 示例
pdf_to_word("input.pdf", "output.docx")

局限：

• 同样不保留表格、图片或格式。

---

方法4：使用商业API（如Adobe PDF Services）

对于高保真转换（保留格式、表格等），可使用商业API：

示例（Adobe PDF Services）：

from adobe.pdfservices.operation import ExecutionContext, CreatePDFOperation
from adobe.pdfservices.operation.io import FileRef# 需注册Adobe账号并获取API密钥
def pdf_to_word(pdf_path, word_path):# 初始化客户端（代码略，需参考Adobe官方文档）# ...pass# 示例（需配置API）
pdf_to_word("input.pdf", "output.docx")

特点：

• 高保真转换，但需付费。

---

注意事项

1. 格式保真：
   • pdf2docx 是开源库中效果较好的选择，但复杂PDF可能仍需手动调整。
2. OCR支持：
   • 若PDF是扫描件（图片），需先用OCR工具（如pytesseract）提取文本。
3. 性能：
   • 大文件转换可能较慢，建议分页处理。

---

完整示例（推荐pdf2docx）

from pdf2docx import Converterdef convert_pdf_to_word(pdf_file, word_file):try:cv = Converter(pdf_file)cv.convert(word_file)cv.close()print(f"转换成功：{word_file}")except Exception as e:print(f"转换失败：{e}")# 使用示例
convert_pdf_to_word("document.pdf", "document.docx")

根据需求选择方法：优先尝试pdf2docx，若需更高精度再考虑商业API。