Pdf2docx: 转换后docx文件的问题

你好欢迎。 从截图来看，我猜你看到的“文本”不是真正的文本。 你能复制和粘贴文本吗？ 如果您可以上传pdf（您失败的一页就足够了）用于我的测试，那就太好了。

one_page.pdf

我要转换的pdf。

one_page.docx

转换后的 docx。

我希望这有帮助

抱歉， pdf2docx一个限制是它只能处理基于文本的 pdf。 您的pdf页面由多张图像组成，这些图像不会被ocr-ed，而是直接复制到docx。 下面的屏幕截图显示了 pdf 格式的图像。

好的，我会记住这一点，感谢您的快速回复。 我不知道你是否已经完成了用户界面，但我已经为你的程序完成了一个基本友好的用户界面，这里是代码。

from pdf2docx import Converter
from tkinter import *
from tkinter.filedialog import *
from tkinter import filedialog

root = Tk()
root.title('PDF_2_Docx Converter')
root.geometry('500x500')
root.config(bg='grey')


def pdf_file_location():
    Tk().withdraw()
    filename = askopenfilename()
    file_path_pdf_entry.insert(0, filename)


def docx_folder_location():
    Tk().withdraw()
    folder_selected = filedialog.askdirectory() + "/" + 'New_DOCX.docx'
    file_path_docx_entry.insert(0, folder_selected)


def convert_button_function():
    cv = Converter(file_path_pdf_entry.get())
    cv.convert(file_path_docx_entry.get(), start=0, end=None)
    cv.close()


"""Labels"""
label1 = Label(text='PDF to Docx', font='Impact 40', bg='white', fg='#1E90FF')
label1.grid(column=2, row=1, sticky='n', pady=50, padx=120)


"""Entries"""

# PDF file entry
file_path_pdf_entry = Entry(border=5)
file_path_pdf_entry.grid(ipadx=90, ipady=4, padx=20, sticky='nw', column=2, pady=1, row=2)

# Docx file entry
file_path_docx_entry = Entry(border=5)
file_path_docx_entry.grid(column=2, ipady=4, ipadx=90, padx=20, sticky='nw', pady=70, row=3)

"""Buttons"""

# Convert Button
converter_button = Button(text='Convert', bg='#1E90FF', fg='white', font='impact 20', border=5,
                          command=convert_button_function)
converter_button.grid(padx=175, sticky='s', ipady=5, ipadx=10, column=2, row=4)

select_pdf_file = Button(text='Select PDF file', fg='black', bg='white', border=3,
                         command=pdf_file_location)
select_pdf_file.grid(column=2, sticky='ne', row=2, pady=6, padx=60)

select_new_file_folder = Button(text='Select new file folder', fg='black', bg='white', border=3,
                                command=docx_folder_location)
select_new_file_folder.grid(column=2, sticky='ne', row=3, pady=74, padx=26)


root.mainloop()

非常感激。 这是个好主意 -> 我会将 GUI 放入待办事项。

您是否想进行更多改进，例如以批处理模式在用户定义的文件夹下转换多 pdf 文件。 之后，请提交PR，以便我可以将您的工作合并到该库中，以使更多人受益。

批处理模式你的意思是，保存为批处理文件并运行它？ 我可以在 Windows exe 中完成。 你喜欢哪个？

使用您的用户界面，一次可以转换一个文件。 但是可能需要转换大量的pdf文件，在这种情况下，将所有pdf文件放在一个文件夹中，选择该文件夹并一次转换它们会更方便。