แปลงไฟล์ PDF เป็น Word ง่ายๆ ด้วย Python และไลบรารี pdf2docx

การแปลงเอกสารจากรูปแบบ PDF ไปเป็น Microsoft Word (DOCX) มักจะเป็นงานที่ยุ่งยากหากต้องทำด้วยมือ แต่ด้วยภาษา Python เราสามารถเขียนสคริปต์สั้นๆ เพื่อจัดการเรื่องนี้ได้อย่างอัตโนมัติ โดยในบทความนี้จะแนะนำการใช้งานไลบรารีเฉพาะทางที่มีชื่อว่า pdf2docx ซึ่งออกแบบมาเพื่อการแปลงไฟล์ประเภทนี้โดยเฉพาะ ช่วยให้โครงสร้างและเนื้อหาภายในเอกสารยังคงความสมบูรณ์มากที่สุดเท่าที่จะทำได้

ขั้นตอนแรกก่อนเริ่มเขียนโค้ดคือนักพัฒนาจะต้องทำการติดตั้งไลบรารีและเครื่องมือเสริมที่จำเป็นผ่านทางคอมมานด์ไลน์ โดยใช้คำสั่ง pip install --user termcolor opencv-python-headless fire pdf2docx เพื่อดึงแพ็กเกจทั้งหมดลงมาติดตั้งในสภาพแวดล้อมการทำงานของคุณ

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

เมื่อติดตั้งแพ็กเกจเรียบร้อยแล้ว สิ่งสำคัญคือต้องเตรียมไฟล์ PDF ต้นฉบับที่มีชื่อว่า example.pdf ไว้ในไดเรกทอรีเดียวกันกับไฟล์สคริปต์ Python ที่คุณกำลังจะสร้างขึ้น เพื่อให้ตัวโปรแกรมสามารถค้นหาและอ่านไฟล์เพื่อแปลงข้อมูลได้อย่างถูกต้องไม่มีสะดุด

สำหรับตัวอย่างโค้ดสคริปต์สำหรับการแปลงไฟล์ สามารถเขียนได้ดังนี้:

• นำเข้าโมดูล Converter จากไลบรารี pdf2docx
• กำหนดตัวแปรชื่อไฟล์ต้นฉบับเป็น example.pdf และไฟล์ปลายทางเป็น example.docx
• สร้างอินสแตนซ์ของ Converter และสั่งแปลงไฟล์ด้วยเมธอด convert()
• ปิดการทำงานของตัวแปลงด้วย cv.close() เพื่อคืนทรัพยากรให้กับระบบ

ที่มา: Dev.to