Open Source Python Library til at konvertere PDF-filer til DOCX

Hvad er pdf2docx?

pdf2docx API-funktioner

Følgende er nogle af hovedfunktionerne i pdf2docx API:

• Konvertering af flersidede PDF'er: Håndterer flersidede PDF-dokumenter og konverterer hver side til en tilsvarende sektion i DOCX-filen.
• Tekstekstraktion: Udtrækker tekst effektivt, mens layoutet og formateringen svarer til den originale PDF.
• Tabelgenkendelse og -konvertering: Bruger intelligente algoritmer til at genkende og udtrække tabeller og konvertere dem til redigerbare DOCX-formattabeller.
• Billedekstraktion: Udtrækker billeder indlejret i PDF'en og placerer dem korrekt i DOCX-filen.
• Skrifttypografi og formatering: Bevarer grundlæggende skrifttypestile og formatering såsom fed, kursiv og understreget under konverteringen.
• Bevarelse af sidelayout: Sigter mod at bevare PDF'ens originale layout, inklusive afsnit, kolonner og andre formateringselementer.
• Tilpassede konverteringsindstillinger: Tillader specifikation af brugerdefinerede indstillinger for konverteringsprocessen, såsom ignorering af billeder eller kun udtrækning af tekst.
• Batchbehandling: Understøtter batchbehandling, hvilket muliggør konvertering af flere PDF-filer til DOCX-format samtidigt.
• Skabelonbaseret udtrækning: For PDF-filer med et ensartet layout tillader definitionen af skabeloner til at guide udtrækningsprocessen, hvilket forbedrer nøjagtigheden for specifikke dokumenttyper.

GitHub-statistik

Navn:
Sprog:
Stjerner:
Forgafler:
Licens:
Repository blev sidst opdateret kl

Kom godt i gang med pdf2docx

Du kan downloade pdf2docx-biblioteket fra GitHub eller bruge pip-installationskommandoen.

Installation

Installation af pdf2docx er enkel og kan gøres fra terminal som vist nedenfor:

pip3 install pdf2docx

pdf2docx Kode eksempler

Konverter PDF til DOCX ved hjælp af pdf2docx

Med pdf2docx kan du konvertere et PDF-dokument til DOCX fra din Python-applikation. Brug følgende eksempelkode i din Python-applikation for at opnå dette.

Billedkilde: pdf2docx Github Repo

Konverter specifikke sider i en PDF-fil ved hjælp af pdf2docx

pdf2docx lader dig også konvertere specifikke sider i en PDF-fil til DOCX. Du definerer start- og slutsiderne for en PDF-fil, der skal konverteres til DOCX, og derefter konverterer API'en disse til DOCX.

Uddrag tabeller fra en PDF-fil ved hjælp af pdf2docx

pdf2docx lader dig også udtrække tabeller fra en PDF-fil og få tekst fra den. Alternativt kan du udtrække tabeller fra PDF-fil og også gemme dem i DOCX-filer.

pdf2docx Begrænsninger

pdf2docx har også nogle begrænsninger, som du bør huske på, mens du arbejder med API'en. Disse er:

• It can only process Text-based PDF file
• Only Left to right language PDF files can be processed
• Normal læseretning, ingen ordtransformation/rotation
• Regelbaseret metode kan ikke 100 % konvertere PDF-layoutet

pdf2docx ressourcer

Konklusion

pdf2docx er et meget kraftfuldt bibliotek til at konvertere PDF til DOCX fra dine Python-applikationer. Som applikationsudvikler kan du bruge denne API til at skabe kraftfulde PDF-konverteringsapplikationer og hoste dem online til konvertering af PDF til DOCX-funktionalitet i din applikation.

Lignende Produkter