将 PDF 转换为 Microsoft Word

概述

本文解释了如何使用 PHP 将 PDF 转换为 Word。代码非常简单，只需将 PDF 加载到 Document 类中并将其保存为输出的 Microsoft Word DOC 或 DOCX 格式。它涵盖了以下主题

将 PDF 转换为 DOC

最受欢迎的功能之一是 PDF 到 Microsoft Word DOC 的转换，这使得内容易于操作。Aspose.PDF for PHP 允许您将 PDF 文件转换为 DOC。

Aspose.PDF for PHP 可以从头开始创建 PDF 文档，是一个用于更新、编辑和操作现有 PDF 文档的优秀工具包。一个重要的功能是能够将页面和整个 PDF 文档转换为图像。另一个受欢迎的功能是 PDF 到 Microsoft Word DOC 的转换，这使得内容易于操作。（大多数用户无法编辑 PDF 文档，但可以轻松在 Microsoft Word 中处理表格、文本和图像。）

为了简化和便于理解，Aspose.PDF for PHP 提供了一个两行代码，将源 PDF 文件转换为 DOC 文件。

以下 Java 代码片段展示了将 PDF 文件转换为 DOC 格式的过程。

  1. 使用源 PDF 文档创建一个 Document 对象的实例。

  2. 通过调用 Document.save() 方法将其保存为 SaveFormat.Doc 格式。

// 加载 PDF 文档
$document = new Document($inputFile);

// 创建一个新的 DocSaveOptions 对象
$saveOption = new DocSaveOptions();

// 设置输出格式为 DOC
$saveOption->setFormat(DocSaveOptions_DocFormat::$Doc);

// 将文档保存为 DOC
$document->save($outputFile, $saveOption);

使用 DocSaveOptions 类

DocSaveOptions 类 提供了许多属性，可以改善将 PDF 文件转换为 DOC 格式的过程。在这些属性中，Mode 允许您指定 PDF 内容的识别模式。您可以为此属性指定 RecognitionMode 枚举中的任何值。每一个值都有特定的优点和限制：

  • Textbox 模式速度快，并且有助于保留 PDF 文件的原始外观，但生成文档的可编辑性可能受到限制。 每个在原始 PDF 中视觉上分组的文本块都会在输出文档中转换为文本框。这实现了与原始文档的最大相似性，因此输出文档看起来不错，但它完全由文本框组成，这可能会使在 Microsoft Word 中的编辑变得困难。

  • Flow 是一种完整的识别模式，其中引擎执行分组和多级分析，以根据作者的意图恢复原始文档，同时生成一个易于编辑的文档。其限制是输出文档可能看起来与原始文档不同。

  • RelativeHorizontalProximity 属性可用于控制文本元素之间的相对接近度，这意味着距离是由字体大小规范的。较大的字体可能在音节之间有更大的距离，仍然被视为一个整体。它被指定为字体大小的百分比，例如，1 = 100%。这意味着两个 12pt 的字符相距 12pt 时是接近的。

  • RecognitionBullets 用于在转换过程中打开项目符号识别。

// 加载 PDF 文档
$document = new Document($inputFile);

// 创建一个新的 DocSaveOptions 对象
$saveOption = new DocSaveOptions();

// 将识别模式设置为 EnhancedFlow
$saveOption->setMode(DocSaveOptions_RecognitionMode::$EnhancedFlow);

// 将输出格式设置为 DOC
$saveOption->setFormat(DocSaveOptions_DocFormat::$Doc);

// 将识别模式设置为 Flow
saveOptions->setMode(DocSaveOptions_RecognitionMode::$Flow);

// 将水平接近度设置为 2.5
saveOptions->setRelativeHorizontalProximity(2.5f);

// 启用在转换过程中识别项目符号的功能
saveOptions->setRecognizeBullets(true);

// 将文档保存为 DOCX
$document->save($outputFile, $saveOption);

将 PDF 转换为 DOCX

DocFormat 枚举还提供了选择 DOCX 作为 Word 文档输出格式的选项。要将源 PDF 文件渲染为 DOCX 格式，请使用下面指定的代码片段。

如何将 PDF 转换为 DOCX

以下 Java 代码片段显示了将 PDF 文件转换为 DOCX 格式的过程。

  1. 使用源 PDF 文档创建 Document 对象的实例。
  2. 通过调用 Document.save() 方法将其保存为 SaveFormat.DocX 格式。
    // 加载 PDF 文档
    $document = new Document($inputFile);
    
    // 将文档保存为 DOCX 格式
    $document->save($outputFile, SaveFormat::$DocX);

DocSaveOptions 类有一个名为 Format 的属性，该属性提供了指定结果文档格式的功能，即 DOC 或 DOCX。 为了将 PDF 文件转换为 DOCX 格式，请从 DocSaveOptions.DocFormat 枚举中传递 Docx 值。

请查看以下代码片段，该代码段提供了使用 Java 将 PDF 文件转换为 DOCX 格式的功能。

// 载入 PDF 文档
$document = new Document($inputFile);

// 创建一个新的 DocSaveOptions 对象
$saveOption = new DocSaveOptions();

// 将识别模式设置为 EnhancedFlow
$saveOption->setMode(DocSaveOptions_RecognitionMode::$EnhancedFlow);

// 将输出格式设置为 DOCX
$saveOption->setFormat(DocSaveOptions_DocFormat::$DocX);

// 将文档保存为 DOCX
$document->save($outputFile, $saveOption);
将 PDF 转换为 Microsoft Excel