Python实现PDF转Word的详细步骤与技巧

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 Converter

def 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：

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 Document

def 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：

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 Document

def 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：

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：

注意事项

1. 格式保真：
2. 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。
3. OCR支持：
4. 若PDF是扫描件（图片），需先用OCR工具（如pytesseract）提取文本。
5. 性能：
6. 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 Converter

def 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。

作者：detayun