pdf 转成 word 用 python 实现

[xxer]

RT，求教正确姿势。有人用过类似的库吗？实际操作效果如何呢？乱码的情况会不会出现呢？

[pupboss]

我是来搞笑的别打我😂

import os

os.rename('test.pdf', 'test.doc')

[andyhenry]

pdf是很难转成其他格式的，和用什么语言无关。即使强制转，和单纯用鼠标复制粘贴也差不多，不能保留任何格式。

[nxbtch]

@pupboss 666

[nowcoder]

不好转。

[staticor]

pypandoc 试试?

[em70]

Python不是万能的

给你个思路，不要纯Python实现，试试去找一个PDF转doc的命令行，python调用命令行来解决。

[xyzasd01]

命令行：
“pdftohtml 文件名”

然后用word打开html就可以了。

如果要默认word打开，你把.html改成.doc就可以了。

[xyzasd01]

@xyzasd01

补充一下。pdftohtml的命令是要安装yum install poppler-utils

然后你pdftohtml，pdftotext之类的一大堆都可以用了。。

祝好～

[xyzasd01]

如果要单纯的去读word。很难，非常难。

java有tika的库，但是有些读不了，比如猎聘网下载的简历。

php有phpword，但是只能读取word2007及以上。就是.docx的。

我的项目遇到的问题：

读取word，有的是html，有些是真正的word，有些是base64。。。。。。有无数种。。。。需要无数种的方法来读。。html的最简单，base64的要截取一部分，然后unbase64会还原成html。。。。我擦擦

[xxer]

@xyzasd01 也就是说pdf转成word都会存在诸如乱码的问题，不论什么语言，是吗

[jedihy]

@xxer 本质区别是pdf排版类似于用的矢量绘图的方法。word则是文字的编排。这两种方式是不能完美转换的。

[14]

import os
os.system('libreoffice --headless --convert-to docx my.pdf')

[xyzasd01]

@xxer 不是说一定乱码，只是可能会发生，word太杂了，什么都有。不标准