1. Produktai
  2.   Tekstų apdorojimas
  3.   Python
  4.   PDF2Docx
 
  

Atvirojo kodo Python biblioteka, skirta konvertuoti PDF į Word DOCX

Pirmaujanti nemokama Python biblioteka, skirta konvertuoti PDF dokumentus į redaguojamus MS Word DOCX failus. Ji išsaugo išdėstymą ir įtraukia tekstą, vaizdus, lenteles bei kitus formatavimo elementus per Python API

Kas yra PDF2Docx biblioteka?

PDF dokumentų konvertavimo į redaguojamus Word failus poreikis yra įprasta programinės įrangos kūrimo reikšmė, nesvarbu, ar kuriate produktyvumo įrankius, dokumentų valdymo sistemas, ar automatizuotas darbo srautus. Atvirojo kodo PDF2Docx biblioteka, sukurta Artifex Software, suteikia patikimą ir efektyvų būdą spręsti šį iššūkį. Ši biblioteka supaprastina PDF failų konvertavimą į Word dokumentus, išsaugodama formatavimą, todėl tai puikus išteklius kūrėjams. Kaip Python biblioteka, ji pasinaudoja Python paprastumu ir plačiu ekosistemo, todėl prieinama kūrėjams, pažįstamiems su šia kalba. Biblioteką galima įterpti į įvairias Python platformas, tokias kaip Flask ar Django, kad į web programas būtų pridėta PDF‑į‑Word funkcionalumas.

PDF2Docx sutelkia dėmesį į originalaus PDF dokumento išdėstymo išsaugojimą, užtikrinant, kad konvertuoti Word failai išlaikytų savo dizainą, teksto lygiavimą ir įterptą grafiką. Ji palaiko puslapių intervalą konvertavimui, automatizuoja daugelio PDF failų konvertavimą paketiniu režimu ir pan. Kūrėjai gali kontroliuoti konvertavimo procesą, pvz., nurodydami konvertuojamus puslapius, reguliuodami vaizdo nustatymus, nurodydami šriftų stilius ir žemėlapius geresniam teksto atvaizdavimui arba dirbdami su įterptais šriftais. Atkreipkite dėmesį, kad biblioteka turi tam tikrų apribojimų: ji gali negebėti idealiai tvarkyti sudėtingų PDF išdėstymų ar stipriai suformatuotų PDF failų. Apskritai, PDF2Docx biblioteka yra vertingas įrankis visiems, kuriems reikia konvertuoti PDF dokumentus į redaguojamus DOCX failus. Biblioteka yra lengva naudoti ir siūlo platų funkcijų spektrą.

Previous Next

Pradžia su PDF2Docx

PDF2Docx talpinamas PyPI, todėl jo įdiegimas yra labai paprastas. Jį galima įdiegti naudojant pip su šia komanda.

Įdiekite PDF2Docx per NPM

 pip install pdf2docx

Jį taip pat galima įdiegti naudojant easy_install, tačiau tai nerekomenduojama.

Konvertuoti PDF į Word DOCX naudojant Python API

Atvirojo kodo PDF2Docx biblioteka suteikia pilną funkcionalumą Microsoft Word DOCX dokumentų įkėlimui ir konvertavimui į PDF failus Python programose. Biblioteka supaprastina PDF dokumentų konvertavimą į DOCX formatą, išlaikydama originalaus dokumento struktūrą, tekstą, vaizdus ir išdėstymą. Štai paprastas kodo pavyzdys, kuris demonstruoja, kaip programuotojai gali naudoti PDF2Docx konvertuoti PDF failą į DOCX failą naudojant Python komandas.

Kaip konvertuoti PDF failą į Word DOCX failą naudojant Python biblioteką?

import pdf2docx

# Specify the path to your PDF file
pdf_file = "path/to/your/file.pdf"

# Specify the path to the output DOCX file
docx_file = "converted_document.docx"

# Create a PDF2Docx object
converter = pdf2docx.Converter()

# Convert the PDF to DOCX
converter.convert(pdf_file, docx_file)

print("PDF converted to DOCX successfully!")

Konvertuoti konkrečias PDF puslapių dalis į DOCX naudojant Python

Programų kūrėjai gali naudoti PDF2Docx biblioteką, kad konvertuotų konkretų PDF puslapį arba puslapių intervalą į Word dokumentus, naudodami kelias Python kodo eilutes. Kūrėjai gali nurodyti konvertuojamų puslapių intervalą, kas ypač naudinga dirbant su dideliais dokumentais arba kai reikalinga tik PDF dalis. Žemiau pateiktas pavyzdys rodo, kaip nurodyti puslapių intervalą ir konvertuoti juos į Word DOCX dokumentus Python programose.

Kaip nurodyti PDF puslapių intervalą ir konvertuoti į Word DOCX failą naudojant Python biblioteką?

cv = Converter("large_document.pdf")  

# Convert pages 2 to 5

cv.convert("output.docx", start=2, end=5)    
cv.close()  
print("Partial conversion completed!")

Išsaugoti išdėstymą ir dokumento struktūrą

Atvirojo kodo PDF2Docx sukurtas taip, kad tiksliai išlaikytų originalaus PDF failo struktūrą konvertavimo proceso metu. Jis gali analizuoti ir atkurti jūsų PDF dokumento išdėstymą DOCX faile. Tai užtikrina, kad lentelės ir daugiastulpeliniai išdėstymai būtų atkurti Word faile, vaizdai įterpti jų originaliose vietose, išlaikytas paragrafų ar teksto blokų srautas ir t.t. Žemiau pateiktas pavyzdys rodo, kaip išlaikyti dokumento struktūrą, konvertuojant PDF į Word DOCX failą Python programose.

Kaip išsaugoti dokumento struktūrą konvertuojant PDF į DOCX naudojant Python?

from pdf2docx import Converter  

pdf_file = "sample.pdf"  
docx_file = "output.docx"  

cv = Converter(pdf_file)  
cv.convert(docx_file, start=0, end=None)  # Convert all pages  
cv.close()  
print("PDF converted to DOCX successfully!")

Pritaikymas ir kaštų efektyvi plėtra

PDF2Docx biblioteka suteikia programuotojams galimybę smulkiai nustatyti konvertavimo procesą, užtikrinant, kad išvestis atitiktų specifinius reikalavimus. Šis pritaikymo lygis ypač naudingas pritaikytoms verslo sprendimams. Kadangi biblioteka yra atvirojo kodo, ji pašalina licencijavimo mokesčius, todėl ideali biudžetui jautriems projektams. Kūrėjai gali įgyvendinti PDF‑į‑Word funkcionalumą neinvestuodami į brangų trečiųjų šalių programinę įrangą.

 Lietuvių