利用Python实现文档格式互转的操作大全(PDF、Word、图片、Markdown)

目录

• 前言： 文档格式不统一，转换麻烦
• 1.PDF与图片互转：批量处理
• 1.1DF转多张图片：将PDF内容提取为图像
• 1.2多张图片合并为一张PDF：快速制作PDF文档
• 2.实现Word与PDF互转：一键搞定报告、合同格式！
• 2.1Word批量转PDF：最常见的文档分发需求
• 2.2PDF转Word：挑战与限制并存的“逆向工程”
• 3.Python实现Markdown转PDF/Word
• 3.1Markdown语法速览：简洁高效的写作方式
• 3.2Markdown转PDF/Word：用Python打通文档生态
• 4.你的“文档格式转换工厂”！
• 5.尾声：文档格式互转，解锁文件管理新维度！

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！

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。

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：

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：

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

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：

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：

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。

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 ...

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：

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。

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风君子博客其它相关文章！

您可能感兴趣的文章:

• 基于Python实现Word文档与SVG格式的相互转换
• Python批量处理Markdown与HTML格式的相互转换
• Python实现PDF与多种图片格式之间互转(PNG, JPG, BMP, EMF, SVG)
• Python 实现Excel XLS和XLSX格式相互转换问题