我要评论前言： 文档格式不统一，转换麻烦
我们在日常生活中经常碰到这样的场景。
客户要求提交简历必须是pdf，但你只有word版，手动转换后格式全乱。
需要从pdf报告中提取图表，却发现无法直接复制，只能一张张截图。
制作演示文稿，收集到的图片大小、格式五花八门，插入后需要反复调整。
我们今天将手把手教你如何利用python，轻松实现：
pdf与图片互转： 批量提取pdf中的图片，或将多图合为pdf。
word与pdf互转： 轻松实现word批量转pdf，甚至尝试pdf转word。
markdown文档转换： 让你的极客笔记瞬间变成专业pdf/word报告。
最终，你将拥有一个强大的文档格式转换工厂，
让你的文件管理和传输效率翻倍，老板看了都点赞！
1.pdf与图片互转：批量处理
pdf虽然方便查看，但要提取其中的图片或将大量图片打包成pdf，手动操作非常麻烦。
python能帮你批量处理这些需求，实现pdf转图片和图片转pdf的自动化！
如何实现呢？
pdf转图片： pymupdf可以渲染pdf页面，并将其保存为图片。
图片转pdf： pillow可以创建图片，pymupdf可以将图片插入到pdf页面。
1.1df转多张图片：将pdf内容提取为图像
场景： 你收到一份有插图的pdf报告，想把里面的图表或每一页都提取出来作为图片素材，用于
ppt或网页展示。手动截图不仅分辨率低，还耗时。
方案： 利用pymupdf，可以批量将pdf的每一页高质量地转换为图片，并支持多种图片格式和分辨率。
安装：
pip install pymupdf
代码：
import fitz # pymupdf
import os
def pdf_to_images(pdf_path, output_folder, img_format="png", dpi=200):
"""
将pdf文件的每一页转换为一张图片。
这是pdf转图片和python文件转换的核心功能。
:param pdf_path: 源pdf文件路径
:param output_folder: 图片输出文件夹
:param img_format: 输出图片格式 (如 "png", "jpeg", "jpg")
:param dpi: 图片分辨率 (dots per inch)，dpi越高图片越清晰但文件越大
"""
if not os.path.exists(pdf_path): return print(f"❌ pdf文件不存在：{pdf_path}")
os.makedirs(output_folder, exist_ok=true)
print(f"🚀 正在将 '{os.path.basename(pdf_path)}' 转换为多张图片...")
try:
doc = fitz.open(pdf_path)
zoom = dpi / 72 # 计算缩放比例 (1英寸=72点)
mat = fitz.matrix(zoom, zoom) # 缩放矩阵
for page_num in range(doc.page_count):
page = doc.load_page(page_num)
pix = page.get_pixmap(matrix=mat) # 获取页面的像素图
output_image_path = os.path.join(output_folder, f"{os.path.splitext(os.path.basename(pdf_path))[0]}_page_{page_num+1}.{img_format}")
# 保存像素图为图片文件
pix.save(output_image_path)
print(f" ✅ 已生成图片：'{os.path.basename(output_image_path)}'")
doc.close()
print(f"✨ pdf批量转图片完成！结果保存到：'{output_folder}'")
return true
except exception as e:
print(f"❌ pdf转图片失败：{e}")
return false
if __name__ == "__main__":
# 准备测试pdf文件 (多页，包含文本和可能图片)
source_pdf = os.path.expanduser("~/desktop/presentation.pdf")
if not os.path.exists(source_pdf):
doc = fitz.open()
p1 = doc.new_page(); p1.insert_text(fitz.point(50,50), "第一页内容和图表");
p2 = doc.new_page(); p2.insert_text(fitz.point(50,50), "第二页内容");
doc.save(source_pdf); doc.close()
output_images_folder = os.path.expanduser("~/desktop/pdf转图片结果")
# 示例1：将pdf转换为png图片，分辨率200dpi
pdf_to_images(source_pdf, output_images_folder, img_format="png", dpi=200)
# 示例2：转换为jpg图片，分辨率300dpi (更高质量，更大文件)
# pdf_to_images(source_pdf, os.path.join(os.path.dirname(output_images_folder), "pdf_to_jpg"), img_format="jpg", dpi=300)
操作：
安装库： pip install pymupdf。
准备pdf文件： 在桌面准备一个多页pdf（如presentation.pdf）。
修改代码路径和参数： 修改 source_pdf、output_images_folder 和 img_format/dpi。
运行： 运行 python pdf_to_images.py。
效果展示：
1.2多张图片合并为一张pdf：快速制作pdf文档
场景： 你有大量图片（如扫描件、产品图集、幻灯片截图），需要将它们快速整理成一份pdf文档，方便分享或存档。
方案： pymupdf能让你将多张图片一键合并为一张多页pdf文档，并可以控制每张图片在pdf中的显示方式。
代码：
import fitz # pymupdf
from pil import image # 用于处理图片
import os
def images_to_pdf(image_paths, output_pdf_path):
"""
将多张图片合并为一个pdf文件。
这是python文件转换和图片转pdf的核心功能。
:param image_paths: 包含所有要合并的图片文件路径的列表
:param output_pdf_path: 输出pdf文件路径
"""
if not image_paths: return print("❌ 没有提供图片文件路径。")
os.makedirs(os.path.dirname(output_pdf_path), exist_ok=true)
print(f"🚀 正在合并 {len(image_paths)} 张图片到 '{os.path.basename(output_pdf_path)}'...")
doc = fitz.open() # 创建一个新的pdf文档
try:
for img_path in image_paths:
if not os.path.exists(img_path):
print(f"⚠️ 图片文件不存在，跳过：{os.path.basename(img_path)}")
continue
# 为每张图片创建一个新页面
# fitz.open(img_path) 可以直接打开图片文件作为pdf文档处理
img_doc = fitz.open(img_path)
new_page_width = img_doc[0].rect.width
new_page_height = img_doc[0].rect.height
img_doc.close() # 关闭临时文档
# 创建一个新页面，尺寸与图片匹配 (或者使用a4尺寸，然后缩放图片)
page = doc.new_page(width=new_page_width, height=new_page_height)
# 插入图片到页面 (覆盖整个页面)
rect = page.rect # 页面大小
page.insert_image(rect, filename=img_path)
print(f" ✅ 已添加图片：'{os.path.basename(img_path)}' 到pdf。")
doc.save(output_pdf_path)
print(f"✨ 图片合并到pdf完成！结果保存到：'{output_pdf_path}'")
return true
except exception as e:
print(f"❌ 图片合并到pdf失败：{e}")
return false
finally:
doc.close()
if __name__ == "__main__":
# 准备测试图片文件 (多张)
img1_path = os.path.expanduser("~/desktop/scan_page1.png")
img2_path = os.path.expanduser("~/desktop/scan_page2.png")
output_pdf = os.path.expanduser("~/desktop/scanned_document.pdf")
# 简单创建模拟图片文件
if not os.path.exists(img1_path):
image.new('rgb', (800, 600), color = 'red').save(img1_path)
if not os.path.exists(img2_path):
image.new('rgb', (800, 600), color = 'blue').save(img2_path)
images_to_convert = [img1_path, img2_path]
images_to_pdf(images_to_convert, output_pdf)
步骤：
安装库： pip install pymupdf pillow。
准备图片文件： 在桌面准备多张图片文件（如scan_page1.png, scan_page2.png）。
修改代码路径： 修改 images_to_convert 列表中的路径和 output_pdf。
运行： 运行 python images_to_pdf.py。
效果展示：
2.实现word与pdf互转：一键搞定报告、合同格式！
word和pdf是职场中最常用的两种文档格式。python能帮你一键在它们之间进行高效转换，彻底告别文档格式不统一的烦恼！
实现：
word转pdf： 通常需要借助外部工具或虚拟打印功能，因为它涉及word文档的渲染。docx2pdf是一个不错的选择。
pdf转word： 这是一个挑战性任务，因为pdf主要用于显示，不含结构信息。虽然有库能提取文本，但保留原始排版非常困难
2.1word批量转pdf：最常见的文档分发需求
场景： 你需要将几十份word报告或合同转换成pdf格式，方便分发和防止篡改。手动另存为pdf，效率低下。
方案： docx2pdf库能帮你一键批量将word文档转换为pdf，并保持良好的格式。
代码：
from docx2pdf import convert # 导入转换函数
import os
def batch_word_to_pdf(source_folder, output_folder):
"""
批量将word文档转换为pdf文件。
这是word转pdf和python文件转换的核心功能。
:param source_folder: 源word文档文件夹路径
:param output_folder: 输出pdf文件文件夹
"""
if not os.path.exists(source_folder): return print(f"❌ 源文件夹不存在：{source_folder}")
os.makedirs(output_folder, exist_ok=true)
print(f"🚀 正在批量将 '{source_folder}' 下的word文档转换为pdf...")
processed_count = 0
# 遍历文件夹中的所有.docx文件
for filename in os.listdir(source_folder):
if filename.lower().endswith('.docx'):
source_path = os.path.join(source_folder, filename)
output_pdf_path = os.path.join(output_folder, os.path.splitext(filename)[0] + ".pdf")
try:
# **核心操作：调用 docx2pdf.convert()**
convert(source_path, output_pdf_path)
print(f" ✅ 转换成功：'{filename}' -> '{os.path.basename(output_pdf_path)}'")
processed_count += 1
except exception as e:
print(f"❌ 转换 '{filename}' 失败：{e}。请确保office/wps等已安装。")
else:
print(f"ℹ️ 跳过非word文件：{filename}")
print(f"✨ word批量转pdf完成！共转换 {processed_count} 个文件。")
return true
if __name__ == "__main__":
# 准备测试word文档 (放入一些.docx文件)
source_word_folder = os.path.expanduser("~/desktop/mywordreports")
output_pdf_folder = os.path.expanduser("~/desktop/pdfreports")
os.makedirs(source_word_folder, exist_ok=true)
# 简单创建模拟word文档
from docx import document as docxdocument
if not os.path.exists(os.path.join(source_word_folder, "report1.docx")):
doc = docxdocument(); doc.add_paragraph("这是报告1"); doc.save(os.path.join(source_word_folder, "report1.docx"))
if not os.path.exists(os.path.join(source_word_folder, "contract.docx")):
doc = docxdocument(); doc.add_paragraph("这是一份合同"); doc.save(os.path.join(source_word_folder, "contract.docx"))
batch_word_to_pdf(source_word_folder, output_pdf_folder)
步骤：
安装库： pip install docx2pdf。注意：docx2pdf库需要你的系统安装了microsoft office word、wps office或libreoffice，它会调用这些软件进行转换。
准备word文件： 在桌面创建mywordreports文件夹，放入一些.docx文件。
修改代码路径： 修改 source_word_folder 和 output_pdf_folder。
运行： 运行 python word_to_pdf.py。
效果展示：
2.2pdf转word：挑战与限制并存的“逆向工程”
场景： 你收到一份pdf文档，但需要对其内容进行编辑，或提取其结构化信息到word中。pdf的固定格式让你束手无策。
方案： pdf转word是一个非常困难的“逆向工程”！ 因为pdf是用来“显示”的，它不包含word那样的段落、字体、样式等结构化信息。
难点：python库（如pdfminer.six、pymupdf用于提取文本，但要完美还原word格式，几乎不可能。通常需要借助外部专业工具（如adobe acrobat、在线转换器）或复杂的ocr技术。pymupdf可以提取文本，但排版还原困难。
代码：
import fitz # pymupdf
import os
def pdf_to_text(pdf_path, output_txt_path):
"""
从pdf文件中提取纯文本内容。
这是pdf转word（文本部分）的基础。
:param pdf_path: 源pdf文件路径
:param output_txt_path: 输出文本文件路径
"""
if not os.path.exists(pdf_path): return print(f"❌ pdf文件不存在：{pdf_path}")
os.makedirs(os.path.dirname(output_txt_path), exist_ok=true)
print(f"🚀 正在从 '{os.path.basename(pdf_path)}' 提取文本...")
try:
doc = fitz.open(pdf_path)
text_content = ""
for page_num in range(doc.page_count):
page = doc.load_page(page_num)
text_content += page.get_text() # 提取页面所有文本
doc.close()
with open(output_txt_path, "w", encoding="utf-8") as f:
f.write(text_content)
print(f"✅ 文本提取成功！保存到：'{output_txt_path}'")
return true
except exception as e:
print(f"❌ 文本提取失败：{e}")
return false
if __name__ == "__main__":
source_pdf = os.path.expanduser("~/desktop/sample_pdf.pdf")
output_txt = os.path.expanduser("~/desktop/extracted_text.txt")
# 简单创建模拟pdf文件
if not os.path.exists(source_pdf):
doc = fitz.open(); doc.new_page().insert_text((50,50), "这是pdf中的文本内容。"); doc.save(source_pdf); doc.close()
pdf_to_text(source_pdf, output_txt)
步骤：
安装库： pip install pymupdf。
准备pdf文件： 在桌面准备一个包含文本的pdf文件（如sample_pdf.pdf）。
修改代码路径： 修改 source_pdf 和 output_txt。
运行： 运行 python pdf_to_text.py。
效果展示：
3.python实现markdown转pdf/word
markdown是一种轻量级标记语言，它让你用纯文本轻松写作，并能方便地转换为各种文档格式。python结合pandoc（一个强大的文档转换工具）或特定的markdown解析库，能帮你实现markdown转pdf或markdown转word，这是python文件转换的高阶应用！
作用： markdown文件通过解析器转换为中间格式（如html），再由渲染器转换为目标格式。pandoc是命令行工具，python可以调用它。
3.1markdown语法速览：简洁高效的写作方式
markdown语法简单直观，常用语法如下：
| 语法 | 效果 | 示例 |
|---|---|---|
| # 标题 | 一级标题 | # 这是标题 |
| 粗体 | 粗体 | 重要 |
| 斜体 | 斜体 | 强调 |
| - 列表项 | 无序列表 | - 项目1 |
| 1. 列表项 | 有序列表 | 1. 步骤1 |
| 链接 | 超链接 | csdn |
代码 | 行内代码 | print() |
| 代码块 | python ... |
3.2markdown转pdf/word：用python打通文档生态
场景： 你用markdown写了大量笔记和文档，现在需要将它们导出为专业排版的pdf报告或word文档，方便分享给非技术人员。
方案： 我们可以通过python调用pandoc命令行工具，实现markdown文件到pdf或word的转换。这需要你的系统安装pandoc。
安装pandoc：
访问pandoc官网 (pandoc.org) 下载并安装。安装后，确保pandoc已添加到系统环境变量。
在终端运行 pandoc --version 验证安装。
代码：
步骤：
安装pandoc： 从pandoc.org下载并安装，并确保其添加到系统path。如果转pdf，你还需要安装一个latex发行版（如miktex for windows, tex live for linux/macos）。
准备markdown文件： 在桌面创建my_notes.md。
修改代码路径： 修改 source_md 等路径。
运行： 运行 python markdown_converter.py。
效果展示：
4.你的“文档格式转换工厂”！
我们深入学习了pymupdf、pillow、docx2pdf、subprocess等库/工具，实现了：
pdf与图片互转： 轻松将pdf页面批量转换为图片，或将多张图片合并为pdf，实现像素级掌控。
word与pdf互转： 一键批量将word转pdf，并知晓pdf转word的挑战与提取文本方法。
markdown文档转换： 利用pandoc，将markdown笔记转换为专业的pdf/word文档。
5.尾声：文档格式互转，解锁文件管理新维度！
通过本篇文章，你已经掌握了文档格式互转的强大能力，为你的办公自动化之旅又增添了一个重量级技能！你学会了如何利用python和外部工具，高效地实现pdf、word、图片、markdown之间的各种转换。
除了今天学到的格式转换功能，你还希望python能帮你实现哪些更复杂的文档处理需求？比如：自动将excel数据填充到pdf表单？或者实现pdf的批量ocr识别？
以上就是利用python实现文档格式互转的操作大全(pdf、word、图片、markdown)的详细内容，更多关于python文档格式互转的资料请关注代码网其它相关文章！
发表评论