Converter PDF para Documentos do Microsoft Word em Python

Visão Geral

Este artigo explica como converter PDF para Documentos do Microsoft Word usando Python. Ele abrange os seguintes tópicos.

Formato: DOC

Formato: DOCX

Formato: Word

Conversão de PDF para DOC e DOCX em Python

Uma das funcionalidades mais populares é a conversão de PDF para DOC do Microsoft Word, o que facilita a gestão de conteúdo. Aspose.PDF para Python permite converter arquivos PDF não apenas para DOC, mas também para o formato DOCX, de maneira fácil e eficiente.

Converter PDF para arquivo DOC (Word 97-2003)

Converta arquivos PDF para o formato DOC com facilidade e total controle. Aspose.PDF para Python é flexível e suporta uma grande variedade de conversões. Converter páginas de documentos PDF para imagens, por exemplo, é uma funcionalidade muito popular.

Uma conversão que muitos dos nossos clientes solicitaram é de PDF para DOC: converter um arquivo PDF em um documento do Microsoft Word. Os clientes desejam isso porque os arquivos PDF não podem ser facilmente editados, enquanto os documentos do Word podem. Algumas empresas querem que seus usuários possam manipular texto, tabelas e imagens em arquivos que começaram como PDFs.

Mantendo viva a tradição de tornar as coisas simples e compreensíveis, Aspose.PDF para Python permite transformar um arquivo PDF de origem em um arquivo DOC com duas linhas de código. Para realizar este recurso, introduzimos uma enumeração chamada SaveFormat e seu valor .Doc permite que você salve o arquivo de origem no formato Microsoft Word.

O snippet de código Python a seguir mostra o processo de conversão de um arquivo PDF para o formato DOC.

Passos: Converter PDF para DOC em Python

  1. Crie uma instância do objeto Document com o documento PDF de origem.
  2. Salve-o no formato SaveFormat chamando o método save().

    import aspose.pdf as ap

    input_pdf = DIR_INPUT + "sample.pdf"
    output_pdf = DIR_OUTPUT + "convert_pdf_to_doc.doc"
    # Abrir documento PDF
    document = ap.Document(input_pdf)
    # Salvar o arquivo no formato de documento MS Word
    document.save(output_pdf, ap.SaveFormat.DOC)

Usando a Classe DocSaveOptions

A classe DocSaveOptions fornece inúmeras propriedades que melhoram o processo de conversão de arquivos PDF para o formato DOC. Entre estas propriedades, Mode permite que você especifique o modo de reconhecimento para o conteúdo do PDF. Você pode especificar qualquer valor da enumeração RecognitionMode para esta propriedade. Cada um desses valores tem benefícios e limitações específicos:


    import aspose.pdf as ap

    input_pdf = DIR_INPUT + "sample.pdf"
    output_pdf = DIR_OUTPUT + "convert_pdf_to_doc_with_options.doc"
    # Abrir documento PDF
    document = ap.Document(input_pdf)

    save_options = ap.DocSaveOptions()
    save_options.format = ap.DocSaveOptions.DocFormat.DOC
    # Definir o modo de reconhecimento como Flow
    save_options.mode = ap.DocSaveOptions.RecognitionMode.FLOW
    # Definir a proximidade horizontal como 2.5
    save_options.relative_horizontal_proximity = 2.5
    # Ativar o valor para reconhecer marcadores durante o processo de conversão
    save_options.recognize_bullets = True

    # Salvar o arquivo no formato de documento do MS Word
    document.save(output_pdf, save_options)

Converter PDF para DOCX

Aspose.PDF para Python API permite que você leia e converta documentos PDF para DOCX usando Python via .NET. DOCX é um formato bem conhecido para documentos do Microsoft Word cuja estrutura foi alterada de binário simples para uma combinação de arquivos XML e binários. Arquivos Docx podem ser abertos com Word 2007 e versões posteriores, mas não com as versões anteriores do MS Word que suportam extensões de arquivo DOC.

O seguinte trecho de código Python mostra o processo de conversão de um arquivo PDF em formato DOCX.

Passos: Converter PDF para DOCX em Python

  1. Crie uma instância do objeto Document com o documento PDF de origem.

  2. Salve-o no formato SaveFormat chamando o método save().


    import aspose.pdf as ap

    input_pdf = DIR_INPUT + "sample.pdf"
    output_pdf = DIR_OUTPUT + "convert_pdf_to_docx_options.docx"
    # Abra o documento PDF
    document = ap.Document(input_pdf)

    save_options = ap.DocSaveOptions()
    save_options.format = ap.DocSaveOptions.DocFormat.DOC_X
    # Defina o modo de reconhecimento como Flow
    save_options.mode = ap.DocSaveOptions.RecognitionMode.FLOW
    # Defina a proximidade horizontal como 2.5
    save_options.relative_horizontal_proximity = 2.5
    # Habilite o valor para reconhecer marcadores durante o processo de conversão
    save_options.recognize_bullets = True

    # Salve o arquivo no formato de documento do MS Word
    document.save(output_pdf, save_options)

A classe DocSaveOptions tem uma propriedade chamada Format que fornece a capacidade de especificar o formato do documento resultante, ou seja, DOC ou DOCX. Para converter um arquivo PDF para o formato DOCX, por favor, passe o valor Docx da enumeração DocSaveOptions.DocFormat.

Veja Também

Este artigo também cobre esses tópicos. Os códigos são os mesmos que acima.

Formato: Word

Format: DOCX

Converter PDF para Excel em Python