【笔记】Python3｜2024年 PDF 转 XML 或 HTML 的第三方库的使用方式、测评过程以及对比结果（汇总）

# 导入必要的库
import os
from pdf2docx import Converter
from pdf2htmlEX import Converter as HTMLConverter
 
# 设置PDF文件路径
pdf_file = 'example.pdf'
 
# 转换为DOCX
def convert_to_docx(pdf_file):
    # 设置输出文件名
    output_file = os.path.splitext(pdf_file)[0] + '.docx'
    # 创建转换器对象
    cv = Converter(pdf_file)
    # 执行转换
    cv.convert(output_file, start=0, end=None)
    # 关闭转换器
    cv.close()
 
# 转换为HTML
def convert_to_html(pdf_file):
    # 设置输出文件名
    output_file = os.path.splitext(pdf_file)[0] + '.html'
    # 创建转换器对象
    cv = HTMLConverter(pdf_file)
    # 执行转换
    cv.convert(output_file, start=0, end=None)
    # 关闭转换器
    cv.close()
 
# 测试转换函数
convert_to_docx(pdf_file)
convert_to_html(pdf_file)

这段代码演示了如何使用pdf2docx和pdf2htmlEX这两个第三方库来分别将PDF文件转换为DOCX和HTML格式。代码中定义了两个函数convert_to_docx和convert_to_html，它们接受PDF文件作为输入，使用对应库的转换器对象进行转换，并指定了输出文件名。最后，通过调用这两个函数来测试转换过程。