快捷導(dǎo)航

python把pdf轉(zhuǎn)word幾種可行的方法及詳細(xì)步驟

更新時間：2025年07月01日 09:03:13 作者：detayun

在當(dāng)今信息時代,PDF和Word文檔是工作中常用的文檔格式,這篇文章主要介紹了python把pdf轉(zhuǎn)word幾種可行的方法及詳細(xì)步驟,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下

前言

在Python中將PDF轉(zhuǎn)換為Word文檔（.docx）比反向轉(zhuǎn)換（Word轉(zhuǎn)PDF）更具挑戰(zhàn)性，因為PDF是固定格式，而Word是可編輯格式。以下是幾種可行的方法及詳細(xì)步驟：

方法1：使用 pdf2docx 庫

pdf2docx 是一個專門用于將PDF轉(zhuǎn)換為Word的Python庫，支持文本、表格和圖片的轉(zhuǎn)換。

安裝與使用：

pip install pdf2docx

示例代碼：

from pdf2docx import Converter

def pdf_to_word(pdf_path, word_path):
    cv = Converter(pdf_path)
    cv.convert(word_path, start=0, end=None)  # start和end指定頁碼范圍
    cv.close()

# 示例
pdf_to_word("input.pdf", "output.docx")

特點：

支持文本、表格和圖片（部分保真）。
可指定轉(zhuǎn)換的頁碼范圍。

方法2：使用 PyMuPDF（fitz） + python-docx

結(jié)合PyMuPDF提取PDF內(nèi)容，再用python-docx生成Word文檔。

安裝：

pip install pymupdf python-docx

示例代碼：

import fitz  # PyMuPDF
from docx import Document

def pdf_to_word(pdf_path, word_path):
    doc = Document()
    pdf = fitz.open(pdf_path)
    
    for page in pdf:
        text = page.get_text("text")  # 提取文本
        doc.add_paragraph(text)
    
    doc.save(word_path)

# 示例
pdf_to_word("input.pdf", "output.docx")

局限：

僅提取文本，不保留表格、圖片或復(fù)雜格式。

方法3：使用 pdfminer.six + python-docx

pdfminer.six 是另一個PDF文本提取工具，適合純文本轉(zhuǎn)換。

安裝：

pip install pdfminer.six python-docx

示例代碼：

from pdfminer.high_level import extract_text
from docx import Document

def pdf_to_word(pdf_path, word_path):
    text = extract_text(pdf_path)
    doc = Document()
    doc.add_paragraph(text)
    doc.save(word_path)

# 示例
pdf_to_word("input.pdf", "output.docx")

局限：

同樣不保留表格、圖片或格式。

方法4：使用商業(yè)API（如Adobe PDF Services）

對于高保真轉(zhuǎn)換（保留格式、表格等），可使用商業(yè)API：

示例（Adobe PDF Services）：

from adobe.pdfservices.operation import ExecutionContext, CreatePDFOperation
from adobe.pdfservices.operation.io import FileRef

# 需注冊Adobe賬號并獲取API密鑰
def pdf_to_word(pdf_path, word_path):
    # 初始化客戶端（代碼略，需參考Adobe官方文檔）
    # ...
    pass

# 示例（需配置API）
pdf_to_word("input.pdf", "output.docx")

特點：

高保真轉(zhuǎn)換，但需付費。

注意事項

格式保真：
- pdf2docx 是開源庫中效果較好的選擇，但復(fù)雜PDF可能仍需手動調(diào)整。
OCR支持：
- 若PDF是掃描件（圖片），需先用OCR工具（如pytesseract）提取文本。
性能：
- 大文件轉(zhuǎn)換可能較慢，建議分頁處理。

完整示例（推薦pdf2docx）

from pdf2docx import Converter

def convert_pdf_to_word(pdf_file, word_file):
    try:
        cv = Converter(pdf_file)
        cv.convert(word_file)
        cv.close()
        print(f"轉(zhuǎn)換成功：{word_file}")
    except Exception as e:
        print(f"轉(zhuǎn)換失?。簕e}")

# 使用示例
convert_pdf_to_word("document.pdf", "document.docx")

根據(jù)需求選擇方法：優(yōu)先嘗試pdf2docx，若需更高精度再考慮商業(yè)API。