首先,大家對Python語法的了解已經(jīng)基本完成,現(xiàn)在我們需要開始進行各種練習。我為大家準備了一些練習題目,比如之前的向量數(shù)據(jù)庫等,這些題目可以參考第三方的SDK來進行操作,文檔也是比較完善的。這個過程有點像我們之前使用Java對接第三方接口的方式,所以今天我想開發(fā)一個很實用的工具類,用于將PDF轉(zhuǎn)換為DOCX文檔。我覺得這個工具非常實用,所以通過這個項目,我想帶領(lǐng)那些在Python基礎(chǔ)上還比較薄弱的同學(xué)們從零開始,一起完成這個項目。
首先,我也剛開始接觸這個項目,所以我并不知道如何實現(xiàn)。我的第一反應(yīng)是去搜索引擎上查找是否有其他人已經(jīng)實現(xiàn)了類似的功能,因為現(xiàn)在有很多優(yōu)秀的開源項目可供參考。畢竟,站在巨人的肩膀上進行開發(fā)并不可恥,而是一種聰明的做法。
幸運的是,我找到了一個名為"pdf2docx"的第三方包,它提供了非常優(yōu)秀的功能。令人驚訝的是,僅僅幾行代碼就可以完成PDF轉(zhuǎn)換為DOCX的工作。而且,轉(zhuǎn)換結(jié)果也非常出色。讓我們來看一下具體的實現(xiàn)過程。
希望大家可以去倉庫中查看源碼,學(xué)習如何使用這個工具包,也歡迎大家在倉庫中留言,提出任何問題或建議。一起進步,共同學(xué)習!倉庫地址為:https://github.com/StudiousXiaoYu/pdf2docx_with_ui
PDF轉(zhuǎn)DOCX文檔
第三方包:pdf2docx
from pdf2docx import Converter
def convert_pdf_to_docx(pdf_path, docx_path):
# 創(chuàng)建一個轉(zhuǎn)換器對象
converter = Converter(pdf_path)
# 將PDF轉(zhuǎn)換為DOCX
converter.convert(docx_path, start=0, end=None)
# 關(guān)閉轉(zhuǎn)換器
converter.close()
# 調(diào)用函數(shù)進行轉(zhuǎn)換
pdf_path = "input.pdf"
docx_path = "output.docx"
convert_pdf_to_docx(pdf_path, docx_path)
他很容易理解,只需要你定義好文件路徑即可完成轉(zhuǎn)換操作。此外,我也不多解釋了,因為start參數(shù)用于指定轉(zhuǎn)換的起始頁碼,而end參數(shù)用于指定轉(zhuǎn)換的結(jié)束頁碼。你可以根據(jù)需要設(shè)置這兩個參數(shù)的值,如果不需要指定起始頁碼,可以將start參數(shù)設(shè)置為0;如果不需要指定結(jié)束頁碼,則可以將end參數(shù)設(shè)置為None。
官方可視化界面
代碼很簡單,但是如果是自己使用的話,每次都要寫一次路徑可能會很麻煩。不過你可以使用一個可視化交互界面來簡化這個過程,這樣會更方便一些。幸運的是,pdf2docx提供了一個簡易版的界面,你可以在控制臺中直接輸入"pdf2docx gui"來啟動。在界面中,你只需要選擇要轉(zhuǎn)換的PDF文件和一個文件夾作為保存路徑,就可以完成轉(zhuǎn)換操作了。這樣的話,你就不需要每次都手動輸入路徑了。非常方便。
簡易版可交互界面
但是,如果你對pdf2docx提供的界面不滿意,并且覺得界面不夠好看,那么可以考慮使用另一個第三方界面庫,叫做gradio。我記得你之前在向量數(shù)據(jù)庫中使用過這個庫,對后端非常友好。你可以先寫一個簡單的界面,然后逐步優(yōu)化它,以滿足你的需求。gradio提供了很多功能和自定義選項,你可以根據(jù)自己的喜好來設(shè)計界面的外觀和交互方式。然后慢慢優(yōu)化吧。
import gradio as gr
from pdf2docx import Converter
def convert_pdf_to_docx_with_display(pdf_file):
tmp_file = "./output.docx"
# Convert PDF to DOCX
cv = Converter(pdf_file)
cv.convert(tmp_file)
cv.close()
return tmp_file
def convert_and_display_pdf_to_docx(pdf_file):
docx_file = convert_pdf_to_docx_with_display(pdf_file)
return docx_file
iface = gr.Interface(
fn=convert_and_display_pdf_to_docx,
inputs=["file"],
outputs=["file"],
title="[努力的小雨] PDF to DOCX Converter",
description="上傳pdf文件,并將其轉(zhuǎn)化為docx文件",
)
iface.launch()
恩恩,我看著是相當不錯的,這個小工具已經(jīng)可以滿足用戶的需求了。效果圖,你可以看看:
優(yōu)化版界面
好的,目前可交互的資源還相對較少。然而,如果我們能夠提前預(yù)覽解析后的文字內(nèi)容,有時就能避免不必要的下載。比如,在查看PDF文件時,我們只需要復(fù)制粘貼其中的文字,而無需下載整個文件。為了實現(xiàn)這一功能,我們可以考慮在文件底部添加一個額外的窗口,用于顯示解析后的文字內(nèi)容。通過提供復(fù)制粘貼功能,用戶可以輕松地獲取所需的文字信息。
import gradio as gr
from pdf2docx import Converter
import docx2txt
def convert_pdf_to_docx_with_display(pdf_file):
tmp_file = "./output.docx"
# Convert PDF to DOCX
cv = Converter(pdf_file)
cv.convert(tmp_file)
cv.close()
# Extract text from DOCX
docx_text = docx2txt.process(tmp_file)
return tmp_file, docx_text
def convert_and_display_pdf_to_docx(pdf_file):
docx_file, docx_text = convert_pdf_to_docx_with_display(pdf_file)
return docx_file, docx_text
iface = gr.Interface(
fn=convert_and_display_pdf_to_docx,
inputs=["file"],
outputs=["file", "text"],
title="[努力的小雨] PDF to DOCX Converter",
description="上傳pdf文件,并將其轉(zhuǎn)化為docx文件且在界面單獨顯示文件的文字",
)
iface.launch()
當我們完成代碼的修改后,運行一下,我發(fā)現(xiàn)效果與我預(yù)期的是一致的。
至強版界面
如果我們已經(jīng)能夠顯示文字,那么是否還需要顯示圖片呢?考慮到PDF中常常包含圖片,為了滿足用戶復(fù)制粘貼圖片的需求,我認為單獨開發(fā)一個窗口來保存圖片是合理的。然而,在這個過程中,我遇到了一些困難,幾乎是我的噩夢。我一直遇到報錯,而且這些錯誤幾乎是我之前從未遇到過的。就像當初學(xué)習Java的時候,總是需要上網(wǎng)搜索解決方法一樣。在使用gradio時,我創(chuàng)建了一個畫廊窗口,但是錯誤地以為它可以直接返回圖像的二進制內(nèi)容,所以沒有進行保存,結(jié)果一直報錯。后來,我保存了圖像,問題得以解決。現(xiàn)在我們來修改代碼,因為有很多重復(fù)的代碼,我就不再一直復(fù)制粘貼了。
# 此處省略部分代碼
# Extract images from DOCX
images = []
image_dir = os.path.join(tmp_dir, "images")
os.makedirs(image_dir, exist_ok=True)
for embed, related_part in document.part.related_parts.items():
if isinstance(related_part, ImagePart):
image_path = os.path.join(image_dir, f'image_{embed}.png')
with open(image_path, 'wb') as f:
f.write(related_part.image.blob)
images.append(image_path)
return tmp_file, docx_text, images
# 此處省略部分代碼
我將圖片保存到一個文件夾中,并返回一個包含圖片實體的列表。現(xiàn)在讓我們來看一下效果:可以看到圖片已經(jīng)顯示出來了,但我覺得交互性還不夠,如果用戶不想要前幾頁的PDF怎么辦呢?為了解決這個問題,我將再添加一個輸入框,讓用戶可以輸入相關(guān)信息。讓我們繼續(xù)優(yōu)化一下。
inputs=["text","file"],
為了實現(xiàn)傳參,我們可以修改輸入?yún)?shù)的類型。這個過程非常簡單。除了我之前演示的簡單樣式外,Gradio還有很多其他樣式可供選擇。我只是提供了一個最簡單的示例,剩下的優(yōu)化工作就交給你了。你可以根據(jù)需要選擇適合的樣式進行優(yōu)化。
這里我就不演示了,因為只要我們能夠獲取參數(shù),我們就可以實現(xiàn)各種功能。就pdf轉(zhuǎn)docx的可視化界面而言,我已經(jīng)基本完成了它,它符合我的要求并且基本上令我滿意。畢竟,我不需要去優(yōu)化界面。文章來源:http://www.zghlxwxcb.cn/news/detail-748472.html
總結(jié)
pdf轉(zhuǎn)docx文檔是一個非常實用的功能,我只是簡單地實現(xiàn)了一個可視化界面供用戶操作。我這么做的目的之一是想更多地掌握gradio的使用方法,同時也加強對Python流行第三方包的熟悉程度,因為這些第三方包是快速開發(fā)的關(guān)鍵。我也希望你能從中有所收獲,我已經(jīng)公布了本期的源碼地址,如果你覺得還不錯,或者在自己編寫的過程中遇到問題,可以簡單地參考一下。不過,我仍然希望你能自己解決bug問題,這樣一旦熟悉了,就知道如何處理,不用總是上網(wǎng)尋找解決方案。文章來源地址http://www.zghlxwxcb.cn/news/detail-748472.html
到了這里,關(guān)于????Java開發(fā)者的Python快速實戰(zhàn)指南:實用工具之PDF轉(zhuǎn)DOCX文檔(可視化界面)的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!