5 способов преобразования PDF в Word в Python: Сравнительное руководство

Преобразование PDF-документов в редактируемые файлы Microsoft Word позволяет вносить изменения, добавлять аннотации и более эффективно работать с PDF-контентом.

В этом блоге я собрал 5 решений для конвертации PDF в Word на Python с использованием бесплатных библиотек с открытым исходным кодом или коммерческих библиотек, а также выделил плюсы и минусы каждого решения.

• Конвертация PDF в Word с помощью PyPDF2 и python-docx

• Конвертация PDF в Word с помощью pdfplumber и python-docx

• Конвертация PDF в Word с помощью pdf2docx

• Конвертация PDF в Word с помощью Spire.PDF for Python

• Конвертация PDF в Word с помощью Aspose.Words for Python via .NET

Конвертация PDF в Word с помощью PyPDF2 и python-docx

PyPDF2 — это бесплатная библиотека с открытым исходным кодом для работы с PDF-файлами на Python, предоставляющая широкий набор функций для чтения, манипулирования и обработки PDF-документов.

python-docx — свободная библиотека с открытым исходным кодом для создания и обновления файлов Microsoft Word (.docx).

Чтобы установить их через PyPI, используйте следующие команды pip.

pip install PyPDF2 pip install python-docx

Пример кода:

from PyPDF2 import PdfReader from PyPDF2 import PdfWriter from docx import Document from docx.shared import Inches  # Создание нового документа Word document = Document()  # Открытие PDF-файла with open("C:\\Users\\Administrator\\Desktop\\Input.pdf", "rb") as file:          # Создание объекта PdfReader     pdf_reader = PdfReader(file)      # Открытие документа Word для записи     with open("output.docx", "wb") as output_file:          # Перебор каждой страницы PDF-файла         for page_num in range(len(pdf_reader.pages)):                          # Получение текущей страницы             page = pdf_reader.pages[page_num]              # Извлечение текста со страницы             text = page.extract_text()                          # Добавление абзаца в Word, содержащего текст             document.add_paragraph(text)  # Сохранение документа Word document.save("output.docx")

Плюсы：

• Бесплатно.

Минусы：

• Только текст будет извлечен и помещен в документ Word.

• Все форматирование и оформление исходного PDF-файла будут потеряны.

Конвертация PDF в Word с помощью pdfplumber и python-docx

python-docx — это бесплатная библиотека с открытым исходным кодом для создания и обновления файлов Microsoft Word (.docx).

pdfplumber — свободная библиотека Python с открытым исходным кодом для извлечения текста и таблиц из PDF-файлов.

Вы можете установить их через PyPI с помощью следующих команд.

pip install pdfplumber pip install python-docx

Пример кода:

import pdfplumber from docx import Document from docx.shared import Inches  # Открытие PDF-файла with pdfplumber.open("C:\\Users\\Administrator\\Desktop\\Input.pdf") as pdf:      # Извлечение текста из PDF     text = ""     for page in pdf.pages:         text += page.extract_text()   # Создание нового документа Word document = Document()  # Добавление абзаца в Word, содержащего текст document.add_paragraph(text)  # Сохранение документа Word document.save("output.docx")

Плюсы：

• Бесплатно.

Минусы：

• Только текст будет извлечен и помещен в документ Word.

• Все форматирование и оформление исходного PDF-файла будут потеряны.

Конвертация PDF в Word с помощью pdf2docx

pdf2docx — это библиотека Python, которая обеспечивает простой и эффективный способ преобразования PDF-файлов в документы Microsoft Word (.docx). Это бесплатная библиотека с открытым исходным кодом, которая может быть использована для различных целей, таких как преобразование документов, извлечение данных и обработка текста.

Ее можно установить с PyPI с помощью следующей команды pip.

pip install pdf2docx

Пример кода:

from pdf2docx import Converter  def convert_pdf_to_docx(pdf_file, docx_file):      # Создание объекта Converter     cv = Converter(pdf_file)      # Конвертация указанной страницы PDF в docx      cv.convert(docx_file, start=0, end=None)     cv.close()  # Конвертация PDF в файл Docx convert_pdf_to_docx("C:\\Users\\Administrator\\Desktop\\Input.pdf", "Output.docx")

Плюсы：

• Бесплатно.

• Конвертируются как текстовые, так и графические элементы.

• Форматирование и макет сохраняются.

Минусы：

• Конвертирование сложных PDF-документов занимает немного больше времени по сравнению с использованием коммерческих библиотек.

Конвертация PDF в Word с помощью Spire.PDF for Python

Spire.PDF for Python — это многофункциональная библиотека для работы с PDF-документами на языке Python. Она предоставляет широкий спектр инструментов для создания, модификации и программного манипулирования PDF-файлами.

Чтобы установить ее с PyPI, воспользуйтесь следующей командой pip.

pip install Spire.PDF

Пример кода:

from spire.pdf.common import * from spire.pdf import *  # Создание объекта PdfDocument doc = PdfDocument()  # Загрузка PDF-документа doc.LoadFromFile("C:\\Users\\Administrator\\Desktop\\Input.pdf")  # Конвертация PDF в Word с потоковой разметкой # doc.ConvertOptions.SetPdfToDocOptions(True, True)  # Сохранение в файл docx doc.SaveToFile("Output.docx", FileFormat.DOCX)  # Освобождение ресурсов doc.Close()

Плюсы：

• Преобразуются как текстовые, так и графические элементы.

• Форматирование и макет сохраняются (в режиме фиксированного макета страницы).

• Скорость конвертирования высокая.

Минусы：

• Лицензия самого низкого уровня стоит 999 долларов.

Конвертация PDF в Word с помощью Aspose.Words for Python via .NET

Aspose.Words for Python via .NET — это коммерческая библиотека для манипулирования и конвертирования документов Microsoft Word (.docx, .doc) с помощью Python. Она также поддерживает преобразование других форматов, таких как PDF и HTML, в формат Word.

Кроме того, ее можно установить непосредственно через PyPI.

pip install aspose-words

Пример кода:

import aspose.words as aw  # Загрузка PDF-документа doc = aw.Document("C:\\Users\\Administrator\\Desktop\\Input.pdf")  # Конвертация в файл Docx doc.save("Output.docx")

Плюсы：

• Преобразуются как текстовые, так и графические элементы.

• Форматирование и макет сохраняются.

• Скорость преобразования высокая.

Минусы：

• Лицензия самого низкого уровня стоит 1199 долларов.

Заключение

Бесплатные библиотеки с открытым исходным кодом предоставляют удобный способ работы с документами PDF и Word с помощью Python без каких-либо проблем с лицензированием или стоимостью. Коммерческие решения, как правило, предлагают более продвинутые функции и более высокую производительность по сравнению с бесплатными библиотеками с открытым исходным кодом. Выбор между этими вариантами зависит от ваших конкретных требований, бюджета и уровня необходимых функций.