PDF带格式转换成Word

PDF带格式精确转换成Word Skill。将PDF文档精确转换为Word文档，完整保留原始字体名称、字号(pt)、段落格式（行间距1.5倍、段前段后间距、首行缩进2字符）、文本对齐方式（居中/两端对齐）、文本格式（粗体、斜体、下划线、颜色）、表格和图片等。支持中文字体智能映射（宋体→宋体、黑体→黑体、楷体→楷体等）。触发场景：用户说"PDF转Word"、"PDF转Word保留格式"、"PDF精准转Word"、"PDF format to Word"、"Convert PDF with formatting"等。

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

bash

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

批量转换

bash

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

转换指定页面

bash

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：

bash

pip install pymupdf python-docx

---

示例

bash

# 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