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
为python设置socket代理的方法
Jan 14 Python
python实现判断数组是否包含指定元素的方法
Jul 15 Python
python妙用之编码的转换详解
Apr 21 Python
django的ORM模型的实现原理
Mar 04 Python
Django框架模板语言实例小结【变量,标签,过滤器,继承,html转义】
May 23 Python
用python3 返回鼠标位置的实现方法(带界面)
Jul 05 Python
解决Tensorflow 使用时cpu编译不支持警告的问题
Feb 03 Python
浅谈PyTorch的可重复性问题(如何使实验结果可复现)
Feb 20 Python
一文了解python 3 字符串格式化 F-string 用法
Mar 04 Python
Java ExcutorService优雅关闭方式解析
May 30 Python
上手简单,功能强大的Python爬虫框架——feapder
Apr 27 Python
Python竟然能剪辑视频
May 25 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
php跨域cookie共享使用方法
2014/02/20 PHP
php实现天干地支计算器示例
2014/03/14 PHP
基于PHP微信红包的算法探讨
2016/07/21 PHP
基于Laravel 5.2 regex验证的正确写法
2019/09/29 PHP
JQuery操作iframe父页面与子页面的元素与方法(实例讲解)
2013/11/20 Javascript
从QQ网站中提取的纯JS省市区三级联动菜单
2013/12/25 Javascript
jquery实现美观的导航菜单鼠标提示特效代码
2015/09/06 Javascript
jQuery禁用键盘后退屏蔽F5刷新及禁用右键单击
2016/01/22 Javascript
jquery.validate使用详解
2016/06/02 Javascript
获取IE浏览器Cookie信息的方法
2017/01/23 Javascript
Angularjs自定义指令Directive详解
2017/05/27 Javascript
JS实现新建文件夹功能
2017/06/17 Javascript
实现一个完整的Node.js RESTful API的示例
2017/09/29 Javascript
jQuery滑动效果实现方法分析
2018/09/05 jQuery
[47:08]OG vs INfamous 2019国际邀请赛小组赛 BO2 第一场 8.15
2019/08/17 DOTA
Python中转换角度为弧度的radians()方法
2015/05/18 Python
Python获取暗黑破坏神3战网前1000命位玩家的英雄技能统计
2016/07/04 Python
Python利用Beautiful Soup模块搜索内容详解
2017/03/29 Python
python获取命令行输入参数列表的实例代码
2018/06/23 Python
python实现画循环圆
2019/11/23 Python
哈工大自然语言处理工具箱之ltp在windows10下的安装使用教程
2020/05/07 Python
Python使用socket模块实现简单tcp通信
2020/08/18 Python
CSS3实现任意图片lowpoly动画效果实例
2017/05/11 HTML / CSS
简单介绍CSS3中Media Query的使用
2015/07/07 HTML / CSS
ALDI奥乐齐官方海外旗舰店:德国百年超市
2017/12/27 全球购物
BCBG官网:BCBGMAXAZRIA
2017/12/29 全球购物
禁毒宣传工作方案
2014/05/23 职场文书
护理学院专科毕业生求职信
2014/06/28 职场文书
《改造我们的学习》心得体会
2014/11/07 职场文书
毕业设计论文评语
2014/12/31 职场文书
基石观后感
2015/06/12 职场文书
独生子女证明范本
2015/06/19 职场文书
美德少年主要事迹材料
2015/11/04 职场文书
简单了解 MySQL 中相关的锁
2021/05/25 MySQL
Feign调用传输文件异常的解决
2021/06/24 Java/Android
详解CSS中postion和opacity及cursor的特性
2022/08/14 HTML / CSS