Open Source Python Library för att konvertera PDF-filer till DOCX

Vad är pdf2docx?

pdf2docx API-funktioner

Följande är några av huvudfunktionerna i pdf2docx API:

• Konvertering av flersidiga PDF-filer: Hanterar flersidiga PDF-dokument och konverterar varje sida till en motsvarande sektion i DOCX-filen.
• Textextraktion: Extraherar text effektivt samtidigt som layouten och formateringen liknar den ursprungliga PDF-filen.
• Tabelligenkänning och -konvertering: Använder intelligenta algoritmer för att känna igen och extrahera tabeller och konvertera dem till redigerbara DOCX-formattabeller.
• Bildextraktion: Extraherar bilder som är inbäddade i PDF-filen och placerar dem på lämpligt sätt i DOCX-filen.
• Teckensnittsstilar och formatering: Behåller grundläggande teckensnittsstilar och formatering som fetstil, kursiv stil och understrykningar under konverteringen.
• Bevarande av sidlayout: Syftar till att bevara den ursprungliga layouten för PDF:en, inklusive stycken, kolumner och andra formateringselement.
• Anpassade konverteringsinställningar: Tillåter specifikation av anpassade inställningar för konverteringsprocessen, som att ignorera bilder eller bara extrahera text.
• Satsbearbetning: Stöder batchbearbetning, vilket möjliggör konvertering av flera PDF-filer till DOCX-format samtidigt.
• Mallbaserad extrahering: För PDF-filer med en konsekvent layout, tillåter definitionen av mallar för att styra extraheringsprocessen, vilket förbättrar noggrannheten för specifika dokumenttyper.

GitHub-statistik

Namn:
Språk:
Stjärnor:
Gafflar:
Licens:
Repository uppdaterades senast kl

Komma igång med pdf2docx

Du kan ladda ner pdf2docx-biblioteket från GitHub eller använda kommandot pip installation.

Installation

Att installera pdf2docx är enkelt och kan göras från terminalen enligt nedan:

pip3 install pdf2docx

pdf2docx Kodexempel

Konvertera PDF till DOCX med pdf2docx

Med pdf2docx kan du konvertera ett PDF-dokument till DOCX från din Python-applikation. Använd följande exempelkod i din Python-applikation för att uppnå detta.

Bildkälla: pdf2docx Github Repo

Konvertera specifika sidor i en PDF-fil med pdf2docx

pdf2docx låter dig också konvertera specifika sidor i en PDF-fil till DOCX. Du definierar start- och slutsidorna för en PDF-fil som ska konverteras till DOCX och sedan konverterar API:et dessa till DOCX.

Extrahera tabeller från en PDF-fil med pdf2docx

pdf2docx låter dig också extrahera tabeller från en PDF-fil och hämta text från den. Alternativt kan du extrahera tabeller från PDF-fil och spara dem i DOCX-filer också.

pdf2docx Begränsningar

pdf2docx har också vissa begränsningar som bör hållas i åtanke när du arbetar med API:et. Dessa är:

• It can only process Text-based PDF file
• Only Left to right language PDF files can be processed
• Normal läsriktning, ingen ordomvandling/rotation
• Regelbaserad metod kan inte konvertera PDF-layouten till 100 %

pdf2docx resurser

Slutsats

pdf2docx är ett mycket kraftfullt bibliotek för att konvertera PDF till DOCX från dina Python-applikationer. Som applikationsutvecklare kan du använda detta API för att skapa kraftfulla PDF-konverteringsapplikationer och vara värd för dem online för att konvertera PDF till DOCX-funktionalitet i din applikation.

Liknande Produkter