Pustaka Python Sumber Terbuka untuk Mengonversi file PDF ke DOCX

Apa itu pdf2docx?

Fitur API pdf2docx

Berikut ini adalah beberapa fitur utama API pdf2docx:

• Konversi PDF Multi-halaman: Menangani dokumen PDF multi-halaman, mengubah setiap halaman menjadi bagian yang sesuai dalam file DOCX.
• Ekstraksi Teks: Mengekstrak teks secara efisien sambil mempertahankan tata letak dan format yang mirip dengan PDF asli.
• Pengenalan dan Konversi Tabel: Menggunakan algoritma cerdas untuk mengenali dan mengekstrak tabel, mengubahnya menjadi tabel format DOCX yang dapat diedit.
• Ekstraksi Gambar: Mengekstrak gambar yang tertanam dalam PDF dan menempatkannya dengan tepat di dalam file DOCX.
• Gaya dan Pemformatan Font: Mempertahankan gaya dan pemformatan font dasar seperti tebal, miring, dan garis bawah selama konversi.
• Pelestarian Tata Letak Halaman: Bertujuan untuk mempertahankan tata letak asli PDF, termasuk paragraf, kolom, dan elemen pemformatan lainnya.
• Pengaturan Konversi Kustom: Memungkinkan spesifikasi pengaturan kustom untuk proses konversi, seperti mengabaikan gambar atau hanya mengekstrak teks.
• Pemrosesan Batch: Mendukung pemrosesan batch, memungkinkan konversi beberapa PDF ke format DOCX secara bersamaan.
• Ekstraksi Berbasis Template: Untuk PDF dengan tata letak yang konsisten, memungkinkan definisi template untuk memandu proses ekstraksi, meningkatkan akurasi untuk jenis dokumen tertentu.

Statistik GitHub

Nama:
Bahasa:
Bintang:
Garpu:
Lisensi:
Repositori terakhir diperbarui pada

Memulai dengan pdf2docx

Anda dapat mengunduh pustaka pdf2docx dari GitHub atau menggunakan perintah pip install.

Instalasi

Menginstal pdf2docx sederhana dan dapat dilakukan dari terminal seperti yang ditunjukkan di bawah ini:

pip3 install pdf2docx

Contoh Kode pdf2docx

Konversi PDF ke DOCX menggunakan pdf2docx

Dengan pdf2docx, Anda dapat mengonversi dokumen PDF ke DOCX dari dalam aplikasi Python Anda. Gunakan kode contoh berikut dalam aplikasi Python Anda untuk melakukannya.

Sumber Gambar: pdf2docx Repo Github

Konversi Halaman Tertentu dari file PDF menggunakan pdf2docx

pdf2docx juga memungkinkan Anda mengonversi halaman tertentu dari file PDF ke DOCX. Anda menentukan halaman awal dan akhir file PDF yang akan dikonversi ke DOCX, lalu API akan mengonversinya ke DOCX.

Ekstrak Tabel dari file PDF menggunakan pdf2docx

pdf2docx juga memungkinkan Anda mengekstrak tabel dari berkas PDF dan mendapatkan teks darinya. Atau, Anda dapat mengekstrak tabel dari berkas PDF dan menyimpannya ke berkas DOCX juga.

pdf2docx Keterbatasan

pdf2docx juga memiliki beberapa keterbatasan yang harus diperhatikan saat bekerja dengan API. Berikut adalah beberapa keterbatasannya:

• It can only process Text-based PDF file
• Only Left to right language PDF files can be processed
• Arah membaca normal, tidak ada transformasi / rotasi kata
• Metode berbasis aturan tidak dapat 100% mengonversi tata letak PDF

Sumber Daya pdf2docx

Kesimpulan

pdf2docx adalah pustaka yang sangat hebat untuk mengonversi PDF ke DOCX dari dalam aplikasi Python Anda. Sebagai pengembang aplikasi, Anda dapat menggunakan API ini untuk membuat aplikasi konversi PDF yang hebat dan menghostingnya secara daring untuk mengonversi fungsionalitas PDF ke DOCX di aplikasi Anda.

Produk Sejenis