一、圖示

上面為pdf截圖內(nèi)容，下面為轉(zhuǎn)化后的word截圖內(nèi)容

接下來，我們?cè)囋囎约簞?dòng)作寫這個(gè)工具吧！

二、前期準(zhǔn)備

由于我們采用的是python進(jìn)行工具編寫，并最終需要打包成一個(gè)exe文件供我們使用。為了降低包體大小，我們需要先創(chuàng)建一個(gè)虛擬環(huán)境備用。

另外，pdf轉(zhuǎn)word有現(xiàn)成的第三方庫pdf2docx，同時(shí)關(guān)于gui我們用的是pysimplegui，打包成exe采用的是pyinstaller。在創(chuàng)建虛擬環(huán)境后，我們將這些需要用到的第三方庫也一一安裝吧。

# 創(chuàng)建虛擬環(huán)境
conda create -n env_pdf python=3.8.8
 
# 激活虛擬環(huán)境
conda  activate env_pdf
 
# 安裝三個(gè)庫
pip install pdf2docx
pip install pysimplegui
pip install pyinstaller

關(guān)于這三個(gè)庫，大家可以查閱官方文檔了解更多：

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

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

pyinstaller：http://www.pyinstaller.org/

前期準(zhǔn)備工具就緒，我們開始進(jìn)入工具編寫階段。

三、pdf轉(zhuǎn)word

pdf轉(zhuǎn)word感覺是一個(gè)存在已久的話題，現(xiàn)在其實(shí)市面上很多工具可以使用，不過完全免費(fèi)的可能需要認(rèn)真找找。

我們知道python有很多處理pdf文檔的第三方庫以及處理word的第三方庫，所以有人就將這兩類庫的功能進(jìn)行了整合，從而有了今天的主角pdf2docx。

基本思路：

• 利用PyMuPDF獲取頁面元素，例如文本和形狀及其位置
• 再利用元素間的相對(duì)位置關(guān)系推斷內(nèi)容
• 最后使用python-docx將上一步解析的內(nèi)容元素重建為docx格式的Word文檔

基于以上情況，咱們這個(gè)工具在進(jìn)行操作的時(shí)候會(huì)存在以下不足：

• 無法識(shí)別和重建PDF掃描件
• 根據(jù)有限的、確定的規(guī)則建立PDF與docx元素之間的映射并非完全可靠，也就是說僅能處理常見的規(guī)范的格式，而非百分百還原

當(dāng)然，以上這些我們都不用管，直接參考官方給到的代碼即可：

from pdf2docx import Converter
import re
 
# 傳入文件絕對(duì)路徑
def pdf_to_word(fileName):
    pdf_file = fileName
    # 正則獲取不含文件類型后綴的部分，用于組成word文檔絕對(duì)路徑
    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，start和end參數(shù)指定待轉(zhuǎn)換pdf文檔的頁碼范圍（默認(rèn)是從0開始到最后一頁）；也可以通過pages指定不連續(xù)的頁面，例如pages=[1,3,5]。

四、GUI設(shè)計(jì)

關(guān)于pdf轉(zhuǎn)word的功能，我們需要的就是選擇待轉(zhuǎn)化的文件、開始轉(zhuǎn)化即可，另外記錄一下操作流讓我們知道進(jìn)度就完美了。所以，功能其實(shí)很簡單，我們基于以上功能設(shè)計(jì)簡單的GUI如下：

ue設(shè)計(jì)手稿

由于我們這次用到的是pysimplegui這個(gè)超級(jí)簡單好用的工具庫，那么為了滿足以上功能，編碼如下（思路見注釋）。

import PySimpleGUI as sg
import re
 
# 主題設(shè)置
sg.theme('DarkTeal7')
 
# 布局設(shè)置
layout = [
          [sg.Text('待轉(zhuǎn)化的文件是：',font=("微軟雅黑", 12)),sg.Text('',key='filename',size=(50,1),font=("微軟雅黑", 10),text_color='blue')],
          [sg.Text('程序操作記錄',justification='center')],
          [sg.Output(size=(80, 20),font=("微軟雅黑", 10))],                
          [sg.FileBrowse('選擇文件',key='file',target='filename'),sg.Button('開始轉(zhuǎn)化'),sg.Button('關(guān)閉程序')]
         ]      
 
# 創(chuàng)建窗口
window = sg.Window('pdf轉(zhuǎn)word工具，作者@微信公眾號(hào)：可以叫我才哥', layout,font=("微軟雅黑", 15),default_element_size=(50,1))    
 
# 事件循環(huán)
while True:
    event, values = window.read()
    if event in (None, '關(guān)閉程序'):
        break
    if event == '開始轉(zhuǎn)化':
        if values['file'] and re.findall(r'\.(\S+)',values['file'])[0]=='pdf':
            fileName = values['file']
            pdf_to_word(fileName)
            print('\n----------轉(zhuǎn)化完畢----------\n')
        else:
            print('文件未選取或文件非pdf文件\n請(qǐng)先選擇文件')
 
window.close()

不得不說，確實(shí)會(huì)比PyQt5要來的簡單。

sg.theme('DarkTeal7')是設(shè)置gui的主題，pysimplegui提供很多主題，大家可以自由選擇；

layout就是設(shè)置布局，具體我們根據(jù)UE手稿需求從上到下依次設(shè)置：

• sg.Text()設(shè)置文本內(nèi)容和格式
• sg.Output()設(shè)置print輸出的地方
• sg.FileBrowse()設(shè)置文件選擇瀏覽器，key是指定健名稱，target是選定的文件夾名
• sg.Button()設(shè)置按鈕
• sg.Window()是創(chuàng)建窗口，可以帶窗口名稱等信息

event和values是當(dāng)執(zhí)行window.read()函數(shù)時(shí)的返回值：其中event是事件，如點(diǎn)擊按鈕、選擇文件等；values是包含輸入的值，比如我們選擇文件后的文件名信息值。

結(jié)合之前的pdf轉(zhuǎn)word函數(shù)，這里的邏輯如下：

當(dāng)我們點(diǎn)擊開始轉(zhuǎn)化按鈕，先判斷是否選擇了pdf文件，如果是則執(zhí)行轉(zhuǎn)化函數(shù)，否則就提示文件未選擇或選擇的非pdf文件。

五、打包代碼

這里采用的是pyinstaller進(jìn)行程序代碼打包，操作指令如下：

pyinstaller -F -w pdf轉(zhuǎn)word小工具.py

部分參數(shù)含義：

-F    表示生成單個(gè)可執(zhí)行文件 

-w   表示去掉控制臺(tái)窗口，這在GUI界面時(shí)非常有用 

-p    表示你自己自定義需要加載的類路徑，一般情況下用不到 

-i     表示可執(zhí)行文件的圖標(biāo)

其實(shí)，最新版本的word（office2019）已經(jīng)天然支持對(duì)非掃描版pdf的讀取和轉(zhuǎn)化了，大家通過以下流程進(jìn)行處理：文檔—>打開—>選擇待轉(zhuǎn)化pdf文件即可。

office-word自帶轉(zhuǎn)化功能

到此這篇關(guān)于只用40行Python代碼就能寫出pdf轉(zhuǎn)word小工具的文章就介紹到這了,更多相關(guān)pdf轉(zhuǎn)word小工具內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論