先将PDF转换为DOCX

写于
  • XAMPP，PHP网站开发，集成了PHP，mysql等
  • OpenRefine，数据处理软件，可视化界面实现
  • Cursor, AI自动编程
  • KNIME , 数据加载可视化

将pdf转化为doc文档和md文件

from pdf2docx import Converter
import docx
import pypandoc
def pdf_to_md(pdf_path, md_path):
    docx_path = 'temp.docx'
    cv = Converter(pdf_path)
    cv.convert(docx_path)
    cv.close()
    # 再将DOCX转换为MD
    output = pypandoc.convert_file(docx_path, 'md', outputfile=md_path)
# 使用示例
pdf_path = '应用软件系统开发赛题第1套.pdf'
md_path = 'example.md'
pdf_to_md(pdf_path, md_path)
  • 将带图片的 Word 文档转化为 MD 文档格式的较好方法
pandoc input.docx -o output.md --extract-media=./media/

该命令会把input.docx中的所有非文本元素提取出来，放置于当前路径下的./media/文件夹内，并更新.md文件内的链接，指向这些外部媒体文件的位置。