如何使用Python3和PyPDF2（或任何其他方式）将pdf转换为.docx文件？[闭门]

Question

我想把一个. pdf转换成一个. docx文件。我尝试了一些方法，但这似乎是最好的方法（如果我错了，请纠正我）。我见过这个SO问题，但它对我不起作用——它和这个一样：

import PyPDF2

path=r"C:\Users\name\Desktop\test maker tester\Computer Science\414838-2020-specimen-paper-1.pdf"
text=""
pdf_file = open(path, 'rb')
text =""
read_pdf = PyPDF2.PdfFileReader(pdf_file)
c = read_pdf.numPages
for i in range(c):
    page = read_pdf.getPage(i)
    text+=(page.extractText())

它没有给我一个错误，但我找不到任何Word文档，PDF仍然存在。。。

你知道如何解决这个问题，或者可以建议任何其他方法将. pdf转换成. docx文件吗？

Answer 1

您没有直接的方式或Python中的包，可以无缝地将pdf转换为docx。您尝试的方法将pdf转换为docx，但文档的所有格式都将被删除，您将只能在转换后的docx中获得纯文本，而没有样式。

我个人通过python尝试了Adobe的DocumentCloudSDK，它通过保留pdf文档的原始本机格式将pdf转换为docx。转换每个文档大约需要15秒。您可以通过以下链接找到有关如何开始的更多信息：

https://github.com/adobe/dc-view-sdk-samples

https://www.adobe.io/apis/documentcloud/dcsdk/docs.html

至于通过python使用此服务的问题，您必须使用子进程或os.system命令来调用此服务的命令行命令。

更新：

您可以在此处链接找到此方法实现的详细说明。虽然这是用于OCR转换，但将pdf转换为docx的过程也完全相同。