Open Source Python-Bibliothek zum Konvertieren von PDF-Dateien in DOCX

Was ist pdf2docx?

pdf2docx API-Funktionen

Im Folgenden sind einige der Hauptfunktionen der pdf2docx-API aufgeführt:

• Konvertierung mehrseitiger PDFs: Verarbeitet mehrseitige PDF-Dokumente und konvertiert jede Seite in einen entsprechenden Abschnitt in der DOCX-Datei.
• Textextraktion: Extrahiert effizient Text und behält dabei das Layout und die Formatierung ähnlich dem Original-PDF bei.
• Tabellenerkennung und -konvertierung: Verwendet intelligente Algorithmen zum Erkennen und Extrahieren von Tabellen und konvertiert sie in bearbeitbare Tabellen im DOCX-Format.
• Bildextraktion: Extrahiert im PDF eingebettete Bilder und platziert sie entsprechend in der DOCX-Datei.
• Schriftstile und Formatierung: Behält während der Konvertierung grundlegende Schriftstile und Formatierungen wie Fett, Kursivschrift und Unterstreichungen bei.
• Seitenlayout beibehalten: Zielt darauf ab, das ursprüngliche Layout der PDF-Datei beizubehalten, einschließlich Absätzen, Spalten und anderen Formatierungselementen.
• Benutzerdefinierte Konvertierungseinstellungen: Ermöglicht die Festlegung benutzerdefinierter Einstellungen für den Konvertierungsprozess, z. B. das Ignorieren von Bildern oder das Extrahieren von nur Text.
• Stapelverarbeitung: Unterstützt Stapelverarbeitung und ermöglicht die gleichzeitige Konvertierung mehrerer PDFs in das DOCX-Format.
• Vorlagenbasierte Extraktion: Ermöglicht für PDFs mit einem konsistenten Layout die Definition von Vorlagen zur Steuerung des Extraktionsprozesses und verbessert so die Genauigkeit für bestimmte Dokumenttypen.

GitHub-Statistiken

Name:
Sprache:
Sterne:
Gabeln:
Lizenz:
Das Repository wurde zuletzt aktualisiert unter

Erste Schritte mit pdf2docx

Sie können die pdf2docx-Bibliothek von GitHub oder mit dem Befehl „pip install“ herunterladen.

Installation

Die Installation von pdf2docx ist einfach und kann wie unten gezeigt vom Terminal aus durchgeführt werden:

pip3 install pdf2docx

pdf2docx Codebeispiele

Konvertieren Sie PDF in DOCX mit pdf2docx

Mit pdf2docx können Sie ein PDF-Dokument aus Ihrer Python-Anwendung in DOCX konvertieren. Verwenden Sie dazu den folgenden Beispielcode in Ihrer Python-Anwendung.

Bildquelle: pdf2docx Github Repo

Konvertieren Sie bestimmte Seiten einer PDF-Datei mit pdf2docx

Mit pdf2docx können Sie auch bestimmte Seiten einer PDF-Datei in DOCX konvertieren. Sie definieren die Start- und Endseiten einer PDF-Datei, die in DOCX konvertiert werden sollen, und die API konvertiert diese dann in DOCX.

Extrahieren Sie Tabellen aus einer PDF-Datei mit pdf2docx

Mit pdf2docx können Sie auch Tabellen aus einer PDF-Datei extrahieren und Text daraus abrufen. Alternativ können Sie Tabellen aus einer PDF-Datei extrahieren und diese auch als DOCX-Dateien speichern.

pdf2docx-Einschränkungen

Auch pdf2docx weist einige Einschränkungen auf, die bei der Arbeit mit der API beachtet werden sollten. Diese sind:

• It can only process Text-based PDF file
• Only Left to right language PDF files can be processed
• Normale Leserichtung, keine Worttransformation/-rotation
• Regelbasierte Methode kann das PDF-Layout nicht zu 100 % konvertieren

pdf2docx Ressourcen

Abschluss

pdf2docx ist eine sehr leistungsstarke Bibliothek zum Konvertieren von PDF in DOCX aus Ihren Python-Anwendungen heraus. Als Anwendungsentwickler können Sie diese API verwenden, um leistungsstarke PDF-Konvertierungsanwendungen zu erstellen und diese online zu hosten, um PDF in DOCX in Ihrer Anwendung zu konvertieren.

Ähnliche Produkte