使用纯 python 将 docx 转换为 pdf（在 linux 上，没有 libreoffice）

Question

我正在处理一个尝试开发网络应用程序的问题，其中一部分将上传的 docx 文件转换为 pdf 文件（经过一些处理）。使用 python-docx 和其他方法，对于大多数处理（我的网络服务器是 pythonanywhere - linux 但没有 libreoffice 并且没有 sudo 或 apt install 权限）。但是转换为 pdf 似乎需要其中之一。通过探索这里和其他地方的问题，这是我目前所知道的：

import subprocess

try:
    from comtypes import client
except ImportError:
    client = None

def doc2pdf(doc):
    """
    convert a doc/docx document to pdf format
    :param doc: path to document
    """
    doc = os.path.abspath(doc) # bugfix - searching files in windows/system32
    if client is None:
        return doc2pdf_linux(doc)
    name, ext = os.path.splitext(doc)
    try:
        word = client.CreateObject('Word.Application')
        worddoc = word.Documents.Open(doc)
        worddoc.SaveAs(name + '.pdf', FileFormat=17)
    except Exception:
        raise
    finally:
        worddoc.Close()
        word.Quit()


def doc2pdf_linux(doc):
    """
    convert a doc/docx document to pdf format (linux only, requires libreoffice)
    :param doc: path to document
    """
    cmd = 'libreoffice --convert-to pdf'.split() + [doc]
    p = subprocess.Popen(cmd, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
    p.wait(timeout=10)
    stdout, stderr = p.communicate()
    if stderr:
        raise subprocess.SubprocessError(stderr)

如您所见，一种方法需要 comtypes，另一种方法需要 libreoffice 作为子流程。除了切换到更复杂的托管服务器之外，还有什么解决办法吗？

Answer 1

PythonAnywhere 帮助页面在此处提供有关处理 PDF 文件的信息：https://help.pythonanywhere.com/pages/PDF

总结：PythonAnywhere 安装了许多 Python PDF 操作包，其中之一可能会满足您的需求。但是，shell 达到 abiword 对我来说似乎是最简单的。 shell 命令 abiword --to=pdf filetoconvert.docx 会将 docx 文件转换为 PDF 并在与 docx 相同的目录中生成一个名为 filetoconvert.pdf 的文件。请注意，此命令将向标准错误流输出一条错误消息，抱怨 XDG_RUNTIME_DIR（或者至少它对我如此），但它仍然有效，并且可以忽略该错误消息。

Answer 2

您可以使用的另一个是 libreoffice，但是正如第一响应者所说，质量永远不会像使用实际的 comtypes 那样好。

无论如何，在您安装了 libreoffice 之后，这里是执行此操作的代码。

from subprocess import  Popen
LIBRE_OFFICE = r"C:\Program Files\LibreOffice\program\soffice.exe"

def convert_to_pdf(input_docx, out_folder):
    p = Popen([LIBRE_OFFICE, '--headless', '--convert-to', 'pdf', '--outdir',
               out_folder, input_docx])
    print([LIBRE_OFFICE, '--convert-to', 'pdf', input_docx])
    p.communicate()


sample_doc = 'file.docx'
out_folder = 'some_folder'
convert_to_pdf(sample_doc, out_folder)

Answer 3

我在 Linux 环境中找到了最简单的方法...

进口os

os.system("lowriter --convert-to pdf" +str(" ") + str(file_path))

Answer 4

这是 linux 的 docx 到 pdf 代码（对于 windows 只需下载 libreoffice 并放置 soffice 路径而不是 soffice）

import subprocess

def generate_pdf(doc_path, path):

    subprocess.call(['soffice',
                 # '--headless',
                 '--convert-to',
                 'pdf',
                 '--outdir',
                 path,
                 doc_path])
    return doc_path
generate_pdf("docx_path.docx", "output_path")

使用纯 python 将 docx 转换为 pdf（在 linux 上，没有 libreoffice）

Converting docx to pdf with pure python (on linux, without libreoffice)

python

pdf

docx

pythonanywhere

python-docx