用途:把 PDF 文件转换为可编辑的 Word 文档,基于 Python 库 pdf2docx。与基于 OCR 的方案不同,它直接提取 PDF 原生内容,因此对文本型(原生)PDF 的布局、表格、图片和文字格式保留较好。
主要能力:可整篇转换,也可只转换指定页(start/end 或 pages 列表,页码为 0 起始);支持传入加密 PDF 的密码;提供多种版式参数用于调整分节、边框检测、行合并、换行识别等;可批量转换目录中的所有 PDF;图片按原始分辨率提取。
使用方式:需先安装依赖,命令为 pip install pdf2docx,处理图片时另需 pip install Pillow。基本调用: from pdf2docx import Converter cv = Converter('input.pdf') cv.convert('output.docx') cv.close() 也可用上下文管理器写法。转换特定页时传入 start、end 或 pages(0 起始,例如 pages=[0, 2, 4])。可结合 Python 做批量转换与结果日志记录。
适用场景:把 PDF 报告、合同、发票、报表等转为可编辑 Word 以便修改或套用模板;批量把目录中的 PDF 转成 docx。
限制:扫描件(图像型 PDF)无法直接转换,需先用 pytesseract、PaddleOCR 等做 OCR 预处理;复杂版式可能无法完美还原;部分字体可能被系统默认字体替换;水印会被一并带入;受保护/加密 PDF 需要提供密码。该技能未说明收费、价格与平台信息,暂未提供。