【python】office操作,doc转docx、ppt,pptx转pdf，pdf转txt

.云哲.

已于 2022-02-07 15:19:52 修改

阅读量1.7k

点赞数

分类专栏： python 文章标签： python 开发语言后端

于 2022-01-12 11:37:36 首次发布

本文链接：https://blog.csdn.net/luolinll1212/article/details/122449936

版权

python 专栏收录该内容

104 篇文章

订阅专栏

本文介绍如何使用LibreOffice进行文档格式转换，包括doc到pdf、docx、ppt到pptx等，同时提供Python脚本实现docx文字提取及利用Python库将pdf转换为png图像的方法，并演示了如何从pdf中抽取文本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.安装liboffice

sudo apt-get install libreoffice
sudo apt-get install libreoffice-l10n-zh-cn libreoffice-help-zh-cn

2.转换

libreoffice --headless --convert-to pdf 123.doc     #  doc转pdf
libreoffice --headless --convert-to pdf 1234.pptx   # pptx转pdf
libreoffice --headless --convert-to pdf 1234.ppt    # ppt转pdf
libreoffice --headless --convert-to docx 123.doc    # doc转docx
libreoffice --headless --convert-to pptx 123.ppt    # ppt转pptx

3.提取docx的文字
3.1 安装包

pip install python-docx

3.2 python提取

from docx import Document

path = r"./data/123.docx"
document = Document(path)
for paragraph in document.paragraphs:
    print(paragraph.text)

4.pdf转png
4.1 安装包

pip install fitz
pip install PyMuPDF

4.2 pdf转png

# -*- coding: utf-8 -*-
import os
import fitz

# pdf保存为图片
def pdf_to_image(pdf_path, save_path=None, zoom_x=5, zoom_y=5, theta=0):
    # 打开pdf文件
    pdf = fitz.open(pdf_path)
    # 逐页读取pdf
    for pg in range(0, pdf.pageCount):
        page = pdf[pg]
        # 设置缩放和旋转系数
        trans = fitz.Matrix(zoom_x, zoom_y).prerotate(theta)
        pm = page.get_pixmap(matrix=trans, alpha=False)
        # 开始写图像
        pm.save(os.path.join(save_path, "{}.png".format(pg)))
    pdf.close()

if __name__ == '__main__':
    pdf_path = r"./data/1234.pdf"
    save_path = r"./data/save/pdf"
    pdf_to_image(pdf_path, save_path)

5，pdf转txt
5.1 安装

pip install pdfplumber

5.2 使用

import pdfplumber
with pdfplumber.open("123.pdf") as pdf:
    for page in pdf.pages:
        print(page.extract_text())

6，pptx转pdf，汉字无法转码
msyh.ttf

cp msyh.ttf /usr/share/fonts/  # 微软雅黑 -> 系统
cd /usr/share/fonts/
fc-list :lang=zh //查看是否安装成功
/usr/share/fonts/MSYH.TTF: Microsoft YaHei:style=Regular,Normal