PDF转OFFICE

功能概述

将PDF文件高质量转换为Word (.docx)、PPT (.pptx)、Excel (.xlsx) 格式，保留原文档的文字、图片、表格、超链接等全部特性。

触发条件

• 用户说"PDF转Word"、"PDF转PPT"、"PDF转Excel"、"PDF转换"等
• 用户提供PDF文件并要求转换为可编辑格式
• 用户需要批量转换多个PDF文件

依赖安装

转换前需确保以下Python包已安装。使用WorkBuddy管理的Python虚拟环境：

# 安装依赖（优先使用清华镜像加速）
 install pdf2docx PyMuPDF pdfplumber python-pptx openpyxl Pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

运行时使用：

转换流程

第一步：确定输出格式

根据用户需求确定输出格式：

• 用户说"转Word" → 输出 .docx
• 用户说"转PPT" → 输出 .pptx
• 用户说"转Excel" → 输出 .xlsx
• 用户未指定 → 默认转为 Word

第二步：执行转换

使用 scripts/convert_pdf.py 脚本执行转换。该脚本支持所有三种格式，并自动处理大文件分批转换。

单文件转换

 /scripts/convert_pdf.py   --format 

示例：

# PDF转Word
python convert_pdf.py "C:/input.pdf" "C:/output.docx" --format word

# PDF转PPT
python convert_pdf.py "C:/input.pdf" "C:/output.pptx" --format ppt

# PDF转Excel
python convert_pdf.py "C:/input.pdf" "C:/output.xlsx" --format excel

批量转换

python convert_pdf.py --batch  --output-dir  --format 

第三步：处理大文件

当PDF超过30页时，单次转换可能因内存不足失败。脚本内置分批转换功能，自动将PDF按每15页一批进行转换，然后合并结果。分批大小可通过 --batch-size 参数调整：

python convert_pdf.py "large.pdf" "output.docx" --format word --batch-size 15

第四步：输出结果

• 转换完成后，告知用户输出文件路径和文件大小
• 如有转换失败，报告失败页码和原因
• 使用 present_files 向用户展示输出文件

各格式转换特性

详细的支持矩阵见 references/conversion_quality.md。

PDF → Word

• 使用 pdf2docx 库，完整保留文字样式、段落格式、图片、表格、超链接、页眉页脚
• 支持自动生成目录

PDF → PPT

• 每页PDF转为一张幻灯片
• 保留文字、图片、形状
• 使用 python-pptx 生成

PDF → Excel

• 提取PDF中的表格数据
• 每页表格转为一个Sheet
• 使用 pdfplumber 提取表格

注意事项

• 加密PDF需要先解密才能转换
• 扫描版PDF（纯图片）转换后为图片，无法编辑文字，需配合OCR
• 输出文件默认保存到当前工作目录，除非用户指定其他路径
• 转换大量文件时建议使用批量模式