Python 批量将 PDF 转 Word

时间:2022/8/27 9:28:13 赞:0 踩:0 阅:203 标签:python

无论在工作还是学习中,大家都会遇到一个问题 "将 PDF 中的内容(文本和图片)转换为 Word 的格式" ,也可以说从只读转换成可编辑的格式。当然网上有很多工具可以实现,但大多数都是收费的。

那今天的分享就是通过利用 Python 实现批量将 PDF 转换成 Word 并做成一个桌面小工具。

好处一方面是 Python 有免费的开源库可供我们使用;另一方面可以根据我们需求灵活定制功能,最后工具可以重复使用,即使你的同事电脑没有 Python 开发环境,也可以轻松使用。

一、实现效果

 

二、环境准备

2.1 pdf 转 word

实现这个功能,主要使用的是 pdf2docx 这个库,也是最推荐的。

只要是标准 PDF 文档,里面的图片和表格都可以保留格式,要注意的是 Python 版本必须是 3.6 或以上,本文使用的是 Python 3.8。安装命令如下:

pip install pdf2docx
 

2.2 绘制图形用户界面

Python 有许多 GUI 工具包可供选择,本文使用 PySimpleGUI,使用起来比较简单,对于我们这个需求足够用。更多可参考:PySimpleGUI 文档[1],有非常多的示例,本文不做过多拓展。使用之前也需要安装一下,注意大小写。

pip install PySimpleGUI 

2.3 py 程序打包 exe

pyinstaller 是一个非常简单的打包 Python 的 py 文件的库,一条命令即可实现打包。更多可参考官方文档:pyinstaller[2]

pip install pyinstaller

三、代码实现

3.1 PDF 转 Word 函数

from pdf2docx import Converter
import PySimpleGUI as sg


def pdf2word(file_path):
    file_name = file_path.split('.')[0]
    doc_file = f'{file_name}.docx'
    p2w = Converter(file_path)
    p2w.convert(doc_file, start=0, end=None)
    p2w.close()
    return doc_file

3.2 设计图形用户界面

def main():
    # 选择主题
    sg.theme('LightBlue5')
    # 设置窗口
    layout = [
        [sg.Text('pdfToword', font=('微软雅黑', 12)),
         sg.Text('', key='filename', size=(50, 1), font=('微软雅黑', 10), text_color='blue')],
        [sg.Output(size=(80, 10), font=('微软雅黑', 10))],
        [sg.FilesBrowse('选择文件', key='file', target='filename'), sg.Button('开始转换'), sg.Button('退出')]]
    # 创建窗口
    window = sg.Window("Python与数据分析_青青", layout, font=("微软雅黑", 15), default_element_size=(50, 1))

3.3 实现单个文件和批量文件操作

 # 事件循环
    while True:
        # 窗口的读取,有两个返回值(1.事件;2.值)
        event, values = window.read()
        print(event, values)

        if event == "开始转换":
            # 单个文件
            if values['file'] and values['file'].split('.')[1] == 'pdf':
                filename = pdf2word(values['file'])
                print('文件个数 :1')
                print('\n' + '转换成功!' + '\n')
                print('文件保存位置:', filename)
            # 多个文件
            elif values['file'] and values['file'].split(';')[0].split('.')[1] == 'pdf':
                print('文件个数 :{}'.format(len(values['file'].split(';'))))
                for f in values['file'].split(';'):
                    filename = pdf2word(f)
                    print('\n' + '转换成功!' + '\n')
                    print('文件保存位置:', filename)
            else:
                print('请选择pdf格式的文件哦!')
        if event in (None, '退出'):
            break

    window.close()

3.4 调用主要功能函数

main()

四、打包代码

打开 DOS 窗口并切换到 demo.py(这里我新建了文件夹,放到了D盘)文件所在的目录,注意路径中不要有中文:

pyinstaller 指令的常见可选参数:

  • -i 给应用程序添加图标

  • -F 指定打包后只生成一个exe格式的文件

  • -D –onedir 创建一个目录,包含exe文件,但会依赖很多文件(默认选项)

  • -c –console, –nowindowed 使用控制台,无界面(默认)

  • -w –windowed, –noconsole 使用窗口,无控制台

  • -p 添加搜索路径

在当前的目录下,将会生成两个文件夹:build 和 dist。

dist 文件夹里就是所有可执行的 exe 文件,发送快捷方式到桌面,点击 exe 即可运行。

五、解决 exe 文件过大问题【可略】

如果生成 exe 之后,若发现程序异常的慢,可检查导包代码,尽量不要出现以下写法,否则每次启动程序,都会导入大量函数占用大量时间。

from ··· import * 
改成 import 包名 

搭建干净的 Python 虚拟环境可参考:太强了!Python 开发桌面小工具,让代码替我们干重复的工作!里面介绍了什么是虚拟环境,以及如何搭建。

好了,到这里本期分享的内容就结束了,其主要目的是为大家提高工作效率,为办公自动化提供一种思路。欢迎大家在评论区与我们一起交流讨论。

评论一下

发表评论

注册用户登录后才能发表评论,请登录注册