python 调用 office 实现自动 pdf转word

前言

pdf转word一直是个问题，尝试了很多方法，解析图片识别图片之类的，最后发现office的pdf转word功能是最好的，微软不愧是微软呀。

需求

需要windows系统并安装office

代码原理

office的word是可以直接打开并转换pdf的。并且效果很不错。

手动测试一下：

随便找到一个pdf，右键-》打开方式-》选择其他应用-》找到word

打开之后会出现一个弹窗，选上不再显示，点确定（我不知道这个弹窗会不会影响代码，如果代码失败，那就手动先点一下这个弹窗再运行代码）

 然后word会自动帮你把pdf转成word，图片类型的会自动识别成文本，放到合适的位置上去。整体效果还是很不错的。带章的图片文件甚至会把章抠出来做为图片，剩下的文字形成文本存成word，超智能。

代码

import win32com.client as win32
import os

word = win32.gencache.EnsureDispatch('Word.Application')
# 是否显示。如果这里是True，桌面上会展示打开word再关掉的过程。
# 是False的话这个过程不会显示出来
word.Visible =False
output = word.Documents.Add()   
output.Application.Selection.InsertFile('111.pdf')
output.SaveAs('111.docx') 
output.Close()

基础代码是这样，如果需要批量的话自己改一下脚本。

如果首次安装word后代码不成功，重启下电脑试试。

缺陷

还是有一些问题的：

1、慢。这个东西占cpu和内存，尝试转了一个120M的pdf，笔记本电脑卡了20分钟左右吧。资源占满了的话没法用多线程提速。

2、没法直接在linux服务器上部署。预想解决方案为：在docker里弄一个windows镜像装上office来部署。还没尝试。