python处理word或者pdf文件_python实现word与pdf文件互转

word to pdf

通过Windows Com组件(win32com)，调用Word服务(Word.Application)，实现Word到PDF文件的转换。因此，要求该Python程序需要在有Word服务(可能至少要求2007版本)的Windows机器上运行。

下面是word转pdf的Python实现代码(.*docx/*.pdf)：需要具备以下模块：

os

tkinter

win32com

from os import path, remove

from tkinter import *

from tkinter import messagebox, filedialog

from win32com import client

def docx2pdf(docx_name, pdf_name):

'''

word文件转pdf

:param doc_name: word文件名称

:param pdf_name: 转换后pdf文件名称

:return:

'''

try:

word = client.DispatchEx("Word.Application")

if path.exists(pdf_name):

remove(pdf_name)

if path.exists(docx_name):

worddocx = word.Documents.Open(docx_name, ReadOnly = 1)

worddocx.SaveAs(pdf_name, FileFormat=17)

worddocx.Close()

word.Quit()

else:

messagebox.showinfo(title='提示', message='文件不存在')

except:

messagebox.showinfo(title='提示', message='未知原因导致转换失败')

def openfile():

file = filedialog.askopenfilename(title="打开文件", filetypes=[('All Files', '*.docx')])

filespath_text.set(file)

def on_click():

filepath = filespath_text.get()

if filepath[-4:] == 'docx':

pdf_name = filepath.replace('docx', 'pdf')

docx_name = filepath.replace("\\", "/")

docx2pdf(docx_name, pdf_name)

else:

messagebox.showinfo(title='提示', message='文件不存在或类型错误(*.docx)')

if __name__=='__main__':

# UI

root = Tk()

root.title("@ LYL")

root.geometry('265x66')

root.resizable(width=False, height=False)

filespathL = Label(root, text="path:", font=11)

filespathL.grid(row=0, column=0, sticky=E)

filespath_text = StringVar()

filespathE = Entry(root, textvariable=filespath_text, font=11)

filespath_text.set("")

filespathE.grid(row=0, column=1, sticky=E)

Button(root, bd=5, text="open", font=11, command=openfile).grid(row=1, column=0, sticky=E)

Button(root, bd=5, text="word2pdf", font=11, command=on_click).grid(row=1, column=1, sticky=E)

root.mainloop()

运行界面如下：通过open按钮选择需要转换的word文件，然后点击word2pdf按钮即可完成转换。

转换结果存储在原文件夹下。

pdf to word

下面是pdf转word的Python实现代码(*.pdf/.*docx)：需要具备以下模块：

os

tkinter

win32com

pdfminer3k

docx

from os import path, remove

from tkinter import *

from tkinter import messagebox, filedialog

from win32com import client

from pdfminer.pdfparser import PDFParser, PDFDocument

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter

from pdfminer.layout import LAParams

from pdfminer.converter import PDFPageAggregator

from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

from docx import Document

def pdf2docx(pdf_name, docx_name):

try:

if path.exists(docx_name):

remove(docx_name)

if path.exists(pdf_name):

# rb以二进制读模式打开本地pdf文件

fn = open(pdf_name, 'rb')

# 创建一个pdf文档分析器

parser = PDFParser(fn)

# 创建一个PDF文档

doc = PDFDocument()

# 连接分析器 与文档对象

parser.set_document(doc)

doc.set_parser(parser)

# 提供初始化密码doc.initialize("lianxipython")

# 如果没有密码 就创建一个空的字符串

doc.initialize("")

# 检测文档是否提供txt转换，不提供就忽略

if not doc.is_extractable:

raise PDFTextExtractionNotAllowed

else:

# 创建PDf资源管理器

resource = PDFResourceManager()

# 创建一个PDF参数分析器

laparams = LAParams()

# 创建聚合器,用于读取文档的对象

device = PDFPageAggregator(resource, laparams=laparams)

# 创建解释器，对文档编码，解释成Python能够识别的格式

interpreter = PDFPageInterpreter(resource, device)

# 循环遍历列表，每次处理一页的内容

# doc.get_pages() 获取page列表

for page in doc.get_pages():

# 利用解释器的process_page()方法解析读取单独页数

interpreter.process_page(page)

# 使用聚合器get_result()方法获取内容

layout = device.get_result()

# 这里layout是一个LTPage对象,里面存放着这个page解析出的各种对象

for out in layout:

# 判断是否含有get_text()方法，获取我们想要的文字

if hasattr(out, "get_text"):

# print(out.get_text(), type(out.get_text()))

content = out.get_text().replace(u'\xa0', u' ') # 将'\xa0'替换成u' '空格，这个\xa0就是&nbps空格

# with open('test.txt','a') as f:

# f.write(out.get_text().replace(u'\xa0', u' ')+'\n')

document.add_paragraph(content) # 添加段落，样式为unordered list类型

else:

messagebox.showinfo(title='提示', message='文件不存在')

except:

messagebox.showinfo(title='提示', message='未知原因导致转换失败')

def openfile():

file = filedialog.askopenfilename(title="打开文件", filetypes=[('All Files', '*.pdf')])

filespath_text.set(file)

def on_click():

filepath = filespath_text.get()

if filepath[-4:] == '.pdf':

docx_name = filepath.replace('.pdf', '.docx')

pdf_name = filepath.replace("\\", "/")

pdf2docx(pdf_name, docx_name)

document.save(docx_name) # 保存这个文档

else:

messagebox.showinfo(title='提示', message='文件不存在或类型错误(*.pdf)')

if __name__ == '__main__':

# UI

root = Tk()

root.title("@ LYL")

root.geometry('265x66')

root.resizable(width=False, height=False)

filespathL = Label(root, text="path:", font=11)

filespathL.grid(row=0, column=0, sticky=E)

filespath_text = StringVar()

filespathE = Entry(root, textvariable=filespath_text, font=11)

filespath_text.set("")

filespathE.grid(row=0, column=1, sticky=E)

Button(root, bd=5, text="open", font=11, command=openfile).grid(row=1, column=0, sticky=E)

Button(root, bd=5, text="pdf2word", font=11, command=on_click).grid(row=1, column=1, sticky=E)

document = Document()

root.mainloop()

运行界面如下：通过open按钮选择需要转换的pdf文件，然后点击pdf2word按钮即可完成转换。

转换结果存储在原文件夹下。

打包完成的.exe文件可从这儿下载(由于未知原因pdf2word打包失败，所所以只有word2pdf)