Question

我们如何使用/不使用python将PDF转换为docx。其实我想自动转换大量文件，所以我需要一个API。

我曾经使用过以下在线网站： https://pdf2docx.com/

https://online2pdf.com/pdf2docx

https://www.zamzar.com/convert/pdf-to-docx/

我无法直接访问那里的api

Answer 1

pdf2docx

安装 pdf2docx 包点击 here

安装

克隆或下载 pdf2docx

 pip install pdf2docx
     or
 # download the package and install your environment
 python setup.py install

选项 1

from pdf2docx import Converter

pdf_file  = r'C:\Users\ABCD\Desktop\XYZ/Document1.pdf'# source file 
docx_file = r'C:\Users\ABCD\Desktop\XYZ/sample.docx'  # destination file

# convert pdf to docx
cv = Converter(pdf_file)
cv.convert(docx_file, start=0, end=None)
cv.close()

#Output

Parsing Page 53: 53/53...
Creating Page 53: 53/53...
--------------------------------------------------
Terminated in 6.258919400000195s.

选项 2

from pdf2docx import parse

pdf_file  = r'C:\Users\ABCD\Desktop\XYZ/Document2.pdf' # source file
docx_file = r'C:\Users\ABCD\Desktop\XYZ/sample_2.docx' # destination file

# convert pdf to docx
parse(pdf_file, docx_file, start=0, end=None)

# output
Parsing Page 53: 53/53...
Creating Page 53: 53/53...
--------------------------------------------------
Terminated in 5.883666100000482s.

Answer 2

您可以尝试pdftohtml，然后使用Pandoc将HTML转换为docx。

实际上，PDF并不是真正的文档格式，而是页面布局格式，因此转换可能会出现问题。

Answer 3

将PDF转换为文档可能是个有问题的任务，反之则很容易。

一种可能的解决方案是将PDF文件另存为所需位置的扩展名为“ .docx”。如果从docx中保存了PDF，反之亦然。

Answer 4

我是Zamzar的CTO，我们有一个API可以在https://developers.zamzar.com/上使用此功能

我们拥有a Test account，您可以免费试用该服务，并在our docs中使用Python的代码示例，这使您可以非常简单地将PDF文件转换为DOCX：

import requests
from requests.auth import HTTPBasicAuth

api_key = 'YOUR_API_KEY'
endpoint = "https://sandbox.zamzar.com/v1/jobs"
source_file = "/tmp/my.pdf"
target_format = "docx"

file_content = {'source_file': open(source_file, 'rb')}
data_content = {'target_format': target_format}
res = requests.post(endpoint, data=data_content, files=file_content, auth=HTTPBasicAuth(api_key, ''))
print res.json()

然后您可以poll the job查看它在downloading your converted file之前何时完成。

Answer 5

尝试PDF.to，它有一个PDF API，其中包含Curl，PHP，Python和NodeJS示例，并且有不错的documentation

将PDF转换为docx

5 个答案: