如何使用python将txt文件或PDF转换为Word doc？

Posted 2021-05-01

有没有办法将PDF（或文本文件）转换为python中的Word文档？我正在为我的教授做一些网络抓取，原始文档是PDF。我将所有1,611个转换为文本文件，现在我们需要将它们转换为Word文档。我唯一能找到的是一个Word-to-txt转换器，而不是相反。

谢谢！

答案

使用python-docx我能够很容易地将txt文件转换为Word文档。

这就是我做的。

from docx import Document
import re
import os

path = '/users/tdobbins/downloads/smithtxt'
direct = os.listdir(path)

for i in direct:
    document = Document()
    document.add_heading(i, 0)
    myfile = open('/path/to/read/from/'+i).read()
    myfile = re.sub(r'[^x00-x7F]+|x0c',' ', myfile) # remove all non-XML-compatible characters
    p = document.add_paragraph(myfile)
    document.save('/path/to/write/to/'+i+'.docx')

另一答案

你可以看看python-docx。它可以使用python创建Word文档，因此您可以将文本文件存储到单词中。见python-docx - what-it-can-do