可将 PDF
转换成 docx
文件的 Python
库。该项目通过 PyMuPDF
库提取 PDF
文件中的数据,然后采用 python-docx
库解析内容的布局、段落、图片、表格等,最后自动生成 docx
文件。
pdf2docx功能
-
页边距
-
章节和分栏 (目前最多支持两栏布局)
-
页眉和页脚 [TODO]
-
OCR 文本 [TODO]
-
水平(从左到右)或竖直(自底向上)方向文本
-
字体样式例如字体、字号、粗/斜体、颜色
-
文本样式例如高亮、下划线和删除线
-
列表样式 [TODO]
-
外部超链接
-
段落水平对齐方式 (左/右/居中/分散对齐)及前后间距
-
灰度/RGB/CMYK等颜色空间图片
-
带有透明通道图片
-
浮动图片(衬于文字下方)
-
内联图片
-
边框样式例如宽度和颜色
-
单元格背景色
-
合并单元格
-
单元格垂直文本
-
隐藏部分边框线的表格
-
嵌套表格
-
解析和创建页面布局
-
解析和创建段落
-
解析和创建图片
-
解析和创建表格
-
支持多进程转换
pdf2docx
同时解析出了表格内容和样式,因此也可以作为一个表格内容提取工具。
限制
-
目前暂不支持扫描PDF文字识别
-
仅支持从左向右书写的语言(因此不支持阿拉伯语)
-
不支持旋转的文字
-
基于规则的解析无法保证100%还原PDF样式
安装
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)
output
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。