Библиотека Python с открытым исходным кодом для преобразования файлов PDF в DOCX

Откройте для себя возможности библиотеки Python с открытым исходным кодом для преобразования PDF-документов в DOCX из ваших приложений Python.

Что такое pdf2docx?

Возможности API pdf2docx

Ниже приведены некоторые основные функции API pdf2docx:

Преобразование многостраничных PDF-файлов: обрабатывает многостраничные PDF-документы, преобразуя каждую страницу в соответствующий раздел в файле DOCX.
Извлечение текста: эффективно извлекает текст, сохраняя макет и форматирование, аналогичные исходному PDF-файлу.
Распознавание и преобразование таблиц: использует интеллектуальные алгоритмы для распознавания и извлечения таблиц, преобразуя их в редактируемые таблицы формата DOCX.
Извлечение изображений: извлекает изображения, встроенные в PDF-файл, и размещает их соответствующим образом в файле DOCX.
Стили шрифтов и форматирование: сохраняет основные стили шрифтов и форматирование, такие как полужирный, курсив и подчеркивание, во время преобразования.
Сохранение макета страницы: направлено на сохранение исходного макета PDF-файла, включая абзацы, столбцы и другие элементы форматирования.
Пользовательские настройки преобразования: позволяет указать пользовательские настройки для процесса преобразования, например, игнорировать изображения или извлекать только текст.
Пакетная обработка: поддерживает пакетную обработку, позволяя одновременно преобразовывать несколько PDF-файлов в формат DOCX.
Извлечение на основе шаблонов: для PDF-файлов с единообразным макетом позволяет определять шаблоны для управления процессом извлечения, повышая точность для определенных типов документов.

Статистика GitHub

Имя:
Язык:
Звезды:
Вилки:
Лицензия:
Репозиторий последний раз обновлялся на

Начало работы с pdf2docx

Вы можете загрузить библиотеку pdf2docx с GitHub или с помощью команды pip install.

Установка

Установка pdf2docx проста и может быть выполнена из терминала, как показано ниже:

Установка pdf2docx


pip3 install pdf2docx

Примеры кода pdf2docx

Examples using the python-pptx Python library are as follow. You can use the FREE PDF file template to try these examples.

Конвертируйте PDF в DOCX с помощью pdf2docx

С помощью pdf2docx вы можете преобразовать PDF-документ в DOCX из вашего приложения Python. Используйте следующий пример кода в вашем приложении Python, чтобы добиться этого.

Источник изображения: pdf2docx Github Repo

Конвертируйте определенные страницы PDF-файла с помощью pdf2docx

pdf2docx также позволяет вам конвертировать определенные страницы PDF-файла в DOCX. Вы определяете начальную и конечную страницы PDF-файла, которые нужно конвертировать в DOCX, а затем API конвертирует их в DOCX.

Извлечение таблиц из PDF-файла с помощью pdf2docx

pdf2docx также позволяет извлекать таблицы из файла PDF и получать из него текст. В качестве альтернативы вы можете извлекать таблицы из файла PDF и сохранять их в файлах DOCX.

Ограничения pdf2docx

pdf2docx также имеет некоторые ограничения, которые следует учитывать при работе с API. Это:

It can only process Text-based PDF file
Only Left to right language PDF files can be processed
Нормальное направление чтения, без трансформации/вращения слов.
Метод на основе правил не может на 100% преобразовать макет PDF

pdf2docx Ресурсы

БЕСПЛАТНЫЙ файл шаблона PDF

Заключение

pdf2docx — очень мощная библиотека для преобразования PDF в DOCX из ваших приложений Python. Как разработчик приложений, вы можете использовать этот API для создания мощных приложений для преобразования PDF и размещать их в сети для преобразования PDF в DOCX в вашем приложении.