PDF带格式精确转换成Word (PDF to Word with Format)

概述

本 skill 提供高精度PDF转Word转换服务，最大程度保留原始文档的所有格式信息。

核心功能

1. 精确字体映射

   • 智能识别PDF字体名称
   • 映射到Word可用中英文字体
   • 支持：宋体、黑体、楷体、仿宋_GB2312、Times New Roman、Arial等

2. 字号精确转换

   • 精确保留原始字号（pt）
   • 标题22pt、二号16pt、三号14pt等

3. 段落格式保留

   • 行间距：1.5倍行距
   • 首行缩进：2字符（0.74cm）
   • 段前段后间距

4. 文本对齐

   • 左对齐、居中、右对齐、两端对齐

5. 文本格式

   • 粗体（Bold）
   • 斜体（Italic）
   • 下划线（Underline）
   • 文本颜色

6. 表格支持

   • 完整表格结构
   • 单元格内容

7. 图片支持

   • 提取并保留图片位置
   • 自动调整图片大小

---

使用方式

基本转换

python convert.py <输入PDF> --output <输出Word>

批量转换

python convert.py <PDF文件夹> --batch --output <输出文件夹>

转换指定页面

python convert.py 文档.pdf --pages 0-5 --output 文档.docx

---

依赖安装

首次使用需安装依赖：

pip install pymupdf python-docx

---

示例

# 基本转换
python convert.py 报告.pdf --output 报告.docx

# 批量转换文件夹中所有PDF
python convert.py ./pdfs/ --batch --output ./words/

# 转换前10页
python convert.py 文档.pdf --pages 0-9 --output 文档.docx

# 指定起始页和结束页
python convert.py 长文档.pdf --start 5 --end 15 --output 部分.docx

---

输出说明

• 输出文件为 .docx 格式，可用 Microsoft Word 或 WPS 打开
• 转换后的文档保留了大部分原始格式
• 特殊布局的PDF转换效果可能略有差异

---

技术原理

本 skill 基于以下技术实现：

1. PyMuPDF (fitz) - 提取PDF内容和格式信息
2. python-docx - 构建Word文档

提取的格式信息包括：

• 字体名称、字号
• 文本对齐方式
• 粗体、斜体、下划线标志
• 文本颜色（RGB）
• 段落位置坐标

---

字体映射表

| PDF字体 | Word字体 | |--------|---------| | 宋体, SimSun | 宋体 | | 黑体, SimHei | 黑体 | | 楷体, SimKai | 楷体_GB2312 | | 仿宋, SimFang | 仿宋_GB2312 | | Times New Roman | Times New Roman | | Arial, Helvetica | Arial | | 微软雅黑, Microsoft YaHei | 微软雅黑 |