只用40行Python代码就能写出pdf转word小工具


Posted in Python onMay 31, 2021

一、图示

上面为pdf截图内容,下面为转化后的word截图内容

只用40行Python代码就能写出pdf转word小工具

接下来,我们试试自己动作写这个工具吧!

二、前期准备

由于我们采用的是python进行工具编写,并最终需要打包成一个exe文件供我们使用。为了降低包体大小,我们需要先创建一个虚拟环境备用。

另外,pdf转word有现成的第三方库pdf2docx,同时关于gui我们用的是pysimplegui,打包成exe采用的是pyinstaller。在创建虚拟环境后,我们将这些需要用到的第三方库也一一安装吧。

# 创建虚拟环境
conda create -n env_pdf python=3.8.8
 
# 激活虚拟环境
conda  activate env_pdf
 
# 安装三个库
pip install pdf2docx
pip install pysimplegui
pip install pyinstaller

关于这三个库,大家可以查阅官方文档了解更多:

pdf2word : https://dothinking.github.io/pdf2docx/index.html

pysimpleguihttps://pysimplegui.readthedocs.io/en/latest/

pyinstallerhttp://www.pyinstaller.org/

前期准备工具就绪,我们开始进入工具编写阶段。

三、pdf转word

pdf转word感觉是一个存在已久的话题,现在其实市面上很多工具可以使用,不过完全免费的可能需要认真找找。

我们知道python有很多处理pdf文档的第三方库以及处理word的第三方库,所以有人就将这两类库的功能进行了整合,从而有了今天的主角pdf2docx

基本思路

  • 利用PyMuPDF获取页面元素,例如文本和形状及其位置
  • 再利用元素间的相对位置关系推断内容
  • 最后使用python-docx将上一步解析的内容元素重建为docx格式的Word文档

基于以上情况,咱们这个工具在进行操作的时候会存在以下不足

  • 无法识别和重建PDF扫描件
  • 根据有限的、确定的规则建立PDF与docx元素之间的映射并非完全可靠,也就是说仅能处理常见的规范的格式,而非百分百还原

当然,以上这些我们都不用管,直接参考官方给到的代码即可:

from pdf2docx import Converter
import re
 
# 传入文件绝对路径
def pdf_to_word(fileName):
    pdf_file = fileName
    # 正则获取不含文件类型后缀的部分,用于组成word文档绝对路径
    name = re.findall(r'(.*?)\.',pdf_file)[0]
    docx_file = f'{name}.docx'
 
    cv = Converter(pdf_file)
    cv.convert(docx_file, start=0, end=None)
    cv.close()

其中,startend参数指定待转换pdf文档的页码范围(默认是从0开始到最后一页);也可以通过pages指定不连续的页面,例如pages=[1,3,5]

四、GUI设计

关于pdf转word的功能,我们需要的就是选择待转化的文件开始转化即可,另外记录一下操作流让我们知道进度就完美了。所以,功能其实很简单,我们基于以上功能设计简单的GUI如下:

只用40行Python代码就能写出pdf转word小工具

ue设计手稿

由于我们这次用到的是pysimplegui这个超级简单好用的工具库,那么为了满足以上功能,编码如下(思路见注释)。

import PySimpleGUI as sg
import re
 
# 主题设置
sg.theme('DarkTeal7')
 
# 布局设置
layout = [
          [sg.Text('待转化的文件是:',font=("微软雅黑", 12)),sg.Text('',key='filename',size=(50,1),font=("微软雅黑", 10),text_color='blue')],
          [sg.Text('程序操作记录',justification='center')],
          [sg.Output(size=(80, 20),font=("微软雅黑", 10))],                
          [sg.FileBrowse('选择文件',key='file',target='filename'),sg.Button('开始转化'),sg.Button('关闭程序')]
         ]      
 
# 创建窗口
window = sg.Window('pdf转word工具,作者@微信公众号:可以叫我才哥', layout,font=("微软雅黑", 15),default_element_size=(50,1))    
 
# 事件循环
while True:
    event, values = window.read()
    if event in (None, '关闭程序'):
        break
    if event == '开始转化':
        if values['file'] and re.findall(r'\.(\S+)',values['file'])[0]=='pdf':
            fileName = values['file']
            pdf_to_word(fileName)
            print('\n----------转化完毕----------\n')
        else:
            print('文件未选取或文件非pdf文件\n请先选择文件')
 
window.close()

不得不说,确实会比PyQt5要来的简单。

sg.theme('DarkTeal7')是设置gui的主题,pysimplegui提供很多主题,大家可以自由选择;

layout就是设置布局,具体我们根据UE手稿需求从上到下依次设置:

  • sg.Text()设置文本内容和格式
  • sg.Output()设置print输出的地方
  • sg.FileBrowse()设置文件选择浏览器,key是指定健名称,target是选定的文件夹名
  • sg.Button()设置按钮
  • sg.Window()是创建窗口,可以带窗口名称等信息

eventvalues是当执行window.read()函数时的返回值:其中event是事件,如点击按钮选择文件等;values是包含输入的值,比如我们选择文件后的文件名信息值。

结合之前的pdf转word函数,这里的逻辑如下:

当我们点击开始转化按钮,先判断是否选择了pdf文件,如果是则执行转化函数,否则就提示文件未选择或选择的非pdf文件。

五、打包代码

这里采用的是pyinstaller进行程序代码打包,操作指令如下:

pyinstaller -F -w pdf转word小工具.py

部分参数含义:

-F    表示生成单个可执行文件 

-w   表示去掉控制台窗口,这在GUI界面时非常有用 

-p    表示你自己自定义需要加载的类路径,一般情况下用不到 

-i     表示可执行文件的图标

其实,最新版本的word(office2019)已经天然支持对非扫描版pdf的读取和转化了,大家通过以下流程进行处理:文档—>打开—>选择待转化pdf文件即可。

只用40行Python代码就能写出pdf转word小工具

office-word自带转化功能

到此这篇关于只用40行Python代码就能写出pdf转word小工具的文章就介绍到这了,更多相关pdf转word小工具内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
布同自制Python函数帮助查询小工具
Mar 13 Python
python每次处理固定个数的字符的方法总结
Jan 29 Python
Python多线程编程(四):使用Lock互斥锁
Apr 05 Python
Python实现快速傅里叶变换的方法(FFT)
Jul 21 Python
Python判断一个文件夹内哪些文件是图片的实例
Dec 07 Python
Python.append()与Python.expand()用法详解
Dec 18 Python
pytorch GAN伪造手写体mnist数据集方式
Jan 10 Python
pycharm不能运行.py文件的解决方法
Feb 12 Python
flask框架中的cookie和session使用
Jan 31 Python
详解使用scrapy进行模拟登陆三种方式
Feb 21 Python
Python实战之实现康威生命游戏
Apr 26 Python
python实现简单的三子棋游戏
Apr 28 Python
pytorch 如何把图像数据集进行划分成train,test和val
May 31 #Python
Python图片检索之以图搜图
写一个Python脚本下载哔哩哔哩舞蹈区的所有视频
python中的plt.cm.Paired用法说明
May 31 #Python
在pycharm中无法import所安装的库解决方案
如何在pycharm中快捷安装pip命令(如pygame)
Python 实现绘制子图及子图刻度的变换等问题
You might like
Mysql中limit的用法方法详解与注意事项
2008/04/19 PHP
使用PHP Socket 编程模拟Http post和get请求
2014/11/25 PHP
php使用Jpgraph创建折线图效果示例
2017/02/15 PHP
php设计模式之模板模式实例分析【星际争霸游戏案例】
2020/03/24 PHP
PHP如何获取Cookie并实现模拟登录
2020/07/16 PHP
PHP http请求超时问题解决方案
2020/11/13 PHP
使用新的消息弹出框blackbirdjs
2008/10/16 Javascript
JQuery对checkbox操作 (循环获取)
2011/05/20 Javascript
基于jQuery实现的当离开页面时出现提示的实现代码
2011/06/27 Javascript
js实现多选项切换导航菜单的方法
2015/02/06 Javascript
AngularJS 如何在控制台进行错误调试
2016/06/07 Javascript
Sequelize中用group by进行分组聚合查询
2016/12/12 Javascript
ajax图片上传,图片异步上传,更新实例
2016/12/30 Javascript
js阻止移动端页面滚动的两种方法
2017/01/25 Javascript
JS对象与JSON互转换、New Function()、 forEach()、DOM事件流等js开发基础小结
2017/08/10 Javascript
JS实现延迟隐藏功能的方法(类似QQ头像鼠标放上展示信息)
2017/12/28 Javascript
vue.js实现带日期星期的数字时钟功能示例
2018/08/28 Javascript
微信小程序封装的HTTP请求示例【附升级版】
2019/05/11 Javascript
bootstrap Table实现合并相同行
2019/07/19 Javascript
JS正则表达式验证密码强度
2020/03/18 Javascript
[01:29:42]Liquid vs VP Supermajor决赛 BO 第一场 6.10
2018/07/05 DOTA
python 字典修改键(key)的几种方法
2018/08/10 Python
python dlib人脸识别代码实例
2019/04/04 Python
python多线程semaphore实现线程数控制的示例
2020/08/10 Python
如何真正的了解python装饰器
2020/08/14 Python
乌克兰品牌化妆品和香水在线商店:Bomond
2020/01/14 全球购物
2014年机关植树节活动方案
2014/02/27 职场文书
二年级小学生评语
2014/04/21 职场文书
教师职业道德事迹材料
2014/08/18 职场文书
励志演讲稿3分钟
2014/08/21 职场文书
继承权公证书范本
2015/01/23 职场文书
外国人来华邀请函
2015/01/31 职场文书
施工员岗位职责
2015/02/10 职场文书
财务人员入职担保书
2015/09/22 职场文书
高三数学教学反思
2016/02/18 职场文书
SpringBoot2 参数管理实践之入参出参与校验的方式
2021/06/16 Java/Android