Pdf2docx: تجاهل الصفحة بسبب خطأ: كائن "TableBlock" ليس له سمة "خطوط"

شكرًا لك على طرح الأسئلة وتقديم مستندات الاختبار.

0.5.1 الإصدار

1. ابحث عن ملف Shape.py :

>>> import pdf2docx
>>> pdf2docx.shape.Shape.__file__

1. حدد موقع طريقة semantic_type() (حول السطر 89) ، أضف سطرًا وفقًا للتعليق أدناه

for block in blocks:
    if not block.is_text_block(): continue  # 增加这一行判断

    # not intersect yet
    if block.bbox.y1 < self.bbox.y0: continue

    # check it when intersected
    rect_type = self._check_semantic_type(block)
    if rect_type != RectType.UNDEFINED: break

    # no intersection any more
    if block.bbox.y0 > self.bbox.y1: break

شكرًا مرة أخرى للإشارة إلى المشكلة ، ستتم إضافة الإصلاحات الأخيرة لهاتين المشكلتين إلى الإصدار التالي.

بالإضافة إلى ذلك ، قارن تأثيرات التحويل 0.5.0 و 0.5.1 ، ووجدت أنه لا يوجد تحسن كبير. لا أعرف ما هي احتياجاتك لتحويل PDF إلى كلمة ، أو استخراج النص ، أو الاحتفاظ بالتنسيق ، أو تسهيل تحرير النص؟ يمكن لبعض أدوات PDF (PDF-xchange و Foxit وما إلى ذلك) أيضًا تعديل النص مباشرةً ، وهو أكثر ملاءمة نسبيًا. لذلك لست متأكدًا من اتجاه مكتبة pdf2docx . شكرا.

شكرًا لك ، لقد جربتها للتو وحلت مشكلتي تمامًا.

إن طلبي الحالي هو التحويل الدفعي لأنواع معينة من المستندات ، ثم الحفاظ على التنسيق قدر الإمكان. سيكون من المزعج أكثر استخدام البهلوانية أو غيرها من الأدوات. لذلك أريد حلها برمز. أعتقد أنه يمكنك إلقاء نظرة على الإطار الصلب ، مكتبة pdf2docx التي أعتقد أنها مكتبة قريبة نسبيًا. في المستقبل ، أعتقد أنه من الممكن زيادة وظيفة التعديل الذاتي من قبل المستخدمين (مثل تغيير json). لأنواع مختلفة من الملفات وأنواع مختلفة من الاحتياجات ، يمكن للجميع تحسين بعض المعلمات والشروط وفقًا لظروفهم الخاصة.

اقتراح جيد جدا ، شكرا لك.