\r \r

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

\r

概述\r

\r 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。\r \r

核心功能\r

\r

1. 精确字体映射\r
   • 智能识别PDF字体名称\r
   • 映射到Word可用中英文字体\r
   • 支持：宋体、黑体、楷体、仿宋_GB2312、Times New Roman、Arial等\r \r
2. 字号精确转换\r
   • 精确保留原始字号（pt）\r
   • 标题22pt、二号16pt、三号14pt等\r \r
3. 段落格式保留\r
   • 行间距：1.5倍行距\r
   • 首行缩进：2字符（0.74cm）\r
   • 段前段后间距\r \r
4. 文本对齐\r
   • 左对齐、居中、右对齐、两端对齐\r \r
5. 文本格式\r
   • 粗体（Bold）\r
   • 斜体（Italic）\r
   • 下划线（Underline）\r
   • 文本颜色\r \r
6. 表格支持\r
   • 完整表格结构\r
   • 单元格内容\r \r
7. 图片支持\r
   • 提取并保留图片位置\r
   • 自动调整图片大小\r \r ---\r \r

使用方式\r

\r

基本转换\r

\r

python convert.py \x3C输入PDF> --output \x3C输出Word>\r
```\r
\r
### 批量转换\r
\r
```bash\r
python convert.py \x3CPDF文件夹> --batch --output \x3C输出文件夹>\r
```\r
\r
### 转换指定页面\r
\r
```bash\r
python convert.py 文档.pdf --pages 0-5 --output 文档.docx\r
```\r
\r
---\r
\r
## 依赖安装\r
\r
首次使用需安装依赖：\r
\r
```bash\r
pip install pymupdf python-docx\r
```\r
\r
---\r
\r
## 示例\r
\r
```bash\r
# 基本转换\r
python convert.py 报告.pdf --output 报告.docx\r
\r
# 批量转换文件夹中所有PDF\r
python convert.py ./pdfs/ --batch --output ./words/\r
\r
# 转换前10页\r
python convert.py 文档.pdf --pages 0-9 --output 文档.docx\r
\r
# 指定起始页和结束页\r
python convert.py 长文档.pdf --start 5 --end 15 --output 部分.docx\r
```\r
\r
---\r
\r
## 输出说明\r
\r
- 输出文件为 `.docx` 格式，可用 Microsoft Word 或 WPS 打开\r
- 转换后的文档保留了大部分原始格式\r
- 特殊布局的PDF转换效果可能略有差异\r
\r
---\r
\r
## 技术原理\r
\r
本 skill 基于以下技术实现：\r
\r
1. **PyMuPDF (fitz)** - 提取PDF内容和格式信息\r
2. **python-docx** - 构建Word文档\r
\r
提取的格式信息包括：\r
- 字体名称、字号\r
- 文本对齐方式\r
- 粗体、斜体、下划线标志\r
- 文本颜色（RGB）\r
- 段落位置坐标\r
\r
---\r
\r
## 字体映射表\r
\r
| PDF字体 | Word字体 |\r
|--------|---------|\r
| 宋体, SimSun | 宋体 |\r
| 黑体, SimHei | 黑体 |\r
| 楷体, SimKai | 楷体_GB2312 |\r
| 仿宋, SimFang | 仿宋_GB2312 |\r
| Times New Roman | Times New Roman |\r
| Arial, Helvetica | Arial |\r
| 微软雅黑, Microsoft YaHei | 微软雅黑 |\r