专业文档处理

专业文档处理工具包，支持格式转换、OCR识别、批量处理、公文排版、文档比对、内容提取、水印添加等全功能文档处理，支持所有常见文档格式。

Document Pro 专业文档处理工具

一站式文档处理工具，覆盖绝大多数办公文档处理场景，不需要安装多个软件，一个工具搞定所有文档需求。

🚀 核心功能

1. 格式转换

支持所有常见文档格式互转：

源格式	支持转换到的格式
PDF	Word、Excel、PPT、图片、TXT、Markdown、HTML
Word	PDF、HTML、Markdown、TXT、图片
Excel	PDF、CSV、HTML、Markdown
PPT	PDF、图片、HTML、Markdown
图片	PDF、Word、TXT、Markdown（OCR识别文字）
Markdown	PDF、Word、HTML、PPT
扫描件/PDF图片版	可编辑Word、Excel、TXT（OCR识别）

2. OCR识别

• 高精度识别图片、PDF扫描件中的文字，准确率99%以上
• 支持表格识别，自动还原表格结构，可直接导出到Excel
• 支持中英文混合识别、手写体识别
• 批量识别整个文件夹的图片/扫描件

3. 批量处理

• 批量转换格式：整个文件夹的文档一键转换到指定格式
• 批量加水印：批量给所有文档添加文字/图片水印，支持自定义位置、透明度、大小
• 批量重命名：按照规则批量重命名文档，比如按日期、序号、关键词等
• 批量提取内容：批量提取所有文档中的标题、表格、关键信息到Excel

4. 公文排版

• 完全符合《党政机关公文格式》国家标准（GB/T 9704-2012）
• 一键生成标准公文：自动设置页边距、字体、字号、行距、页码、版头、版记等格式
• 支持所有公文类型：通知、报告、请示、批复、函、纪要等
• 自动校验格式错误，一键修正

5. 其他实用功能

• 文档比对：对比两个版本的文档，高亮显示新增、删除、修改的内容，生成比对报告
• PDF处理：拆分PDF、合并多个PDF、加密/解密PDF、提取指定页面、旋转页面
• 水印添加：支持文字/图片水印，自定义位置、透明度、旋转角度、大小
• 内容提取：自动提取文档中的所有图片、表格、附件、联系方式、关键信息
• 压缩优化：压缩PDF/Word/图片大小，不损失清晰度，大幅减小文件体积

💻 使用方法

基础命令

# 格式转换：把PDF转成Word
document-pro convert --input "D:\文档\报告.pdf" --output "D:\文档\报告.docx" --to docx

# OCR识别：把扫描件PDF转成可编辑Word
document-pro ocr --input "D:\文档\扫描件.pdf" --output "D:\文档\可编辑版.docx"

# 批量转换：把整个文件夹的PDF转成Word
document-pro batch-convert --input-dir "D:\所有PDF" --output-dir "D:\转成Word" --to docx

# 公文排版：把普通Word转成标准公文格式
document-pro official-format --input "D:\通知.docx" --output "D:\标准格式通知.docx" --type 通知

# 文档比对：对比两个版本的差异
document-pro compare --old "D:\报告v1.docx" --new "D:\报告v2.docx" --output "D:\差异比对报告.docx"

# 批量添加水印
document-pro watermark --input-dir "D:\所有文档" --output-dir "D:\加水印后" --text "内部资料 禁止外泄" --opacity 0.3 --position 右下角

# PDF拆分：把一个PDF拆分成多个
document-pro pdf-split --input "D:\大文档.pdf" --output-dir "D:\拆分后" --per-pages 10

# PDF合并：把多个PDF合并成一个
document-pro pdf-merge --inputs "D:\1.pdf,D:\2.pdf,D:\3.pdf" --output "D:\合并后.pdf"

常用参数说明

参数	说明	示例
--input	输入文件路径	--input "D:\报告.pdf"
--output	输出文件路径	--output "D:\报告.docx"
--to	要转换到的格式	--to docx
--input-dir	输入文件夹路径（批量处理用）	--input-dir "D:\所有文件"
--output-dir	输出文件夹路径（批量处理用）	--output-dir "D:\处理后"
--type	公文类型	--type 通知
--text	水印文字	--text "内部资料"
--opacity	水印透明度，0-1之间	--opacity 0.3
--position	水印位置：左上角/右上角/左下角/右下角/居中	--position 右下角

🔧 依赖安装

首次使用前安装依赖：

pip install python-docx PyPDF2 pillow pytesseract pandas openpyxl

安装完成后所有功能立即可用。