.doc to pdf using python

Question

我的任務是將大量的.doc文件轉換爲.pdf。我的主管希望我這樣做的唯一方法是通過MSWord 2010.我知道我應該能夠使用python COM自動化實現自動化。唯一的問題是我不知道如何以及從哪裏開始。我試圖尋找一些教程，但無法找到任何（可能我可能有，但我不知道我在找什麼）。

現在我正在閱讀通過this。不知道這將是多麼有用。

Answer 1

使用comtypes，轉換單個文件一個簡單的例子，輸入和輸出的文件名給出命令行參數：

import sys 
import os 
import comtypes.client 

wdFormatPDF = 17 

in_file = os.path.abspath(sys.argv[1]) 
out_file = os.path.abspath(sys.argv[2]) 

word = comtypes.client.CreateObject('Word.Application') 
doc = word.Documents.Open(in_file) 
doc.SaveAs(out_file, FileFormat=wdFormatPDF) 
doc.Close() 
word.Quit() 

也可以使用pywin32，這將是除了同一對：

import win32com.client 

然後：

word = win32com.client.Dispatch('Word.Application') 

Answer 2

如果您不介意使用PowerShell看看這個Hey, Scripting Guy! article。所提供的代碼可以採用wdFormatPDF枚舉值WdSaveFormat（請參閱here）。 This blog article提出了相同想法的不同實現。

Answer 3

我會建議忽略你的主管，並使用OpenOffice，它有一個Python API。 OpenOffice內置了對Python的支持，並且有人爲此創建了一個特定庫（PyODConverter）。

如果他對輸出不滿意，告訴他可能需要幾個星期才能完成。

Answer 4

您應該從調查所謂的虛擬PDF打印驅動程序開始。 只要你找到一個你應該能夠寫入批處理文件，打印您的DOC文件到PDF文件。您可能也可以在Python中執行此操作（設置打印機驅動程序輸出並在MSWord中發出文檔/打印命令，稍後可以使用命令行AFAIR完成）。

Answer 5

它'值得注意的是Stevens回答了工作，但要確保如果使用for循環導出多個文件以將循環前面的ClientObject或Dispatch語句 - 它只需要創建一次 - 請參閱我的問題：Python win32com.client.Dispatch looping through Word documents and export to PDF; fails when next loop occurs

Answer 6

unoconv用python寫）和openoffice作爲無頭守護進程運行。 http://dag.wiee.rs/home-made/unoconv/

適用於doc，docx，ppt，pptx，xls，xlsx。 非常有用，如果你需要轉換文檔或保存/轉換爲服務器上的某些格式

Answer 7

我已經在這個問題上工作了半天，所以我想我應該分享一些我在這個問題上的經驗。史蒂文的回答是正確的，但它會在我的電腦上失敗。有兩個關鍵點需要在此修復：

（1）。第一次創建'Word.Application'對象時，我應該在打開任何文檔之前將它（app這個詞）顯示出來。 （實際上，即使我自己也無法解釋爲什麼這會起作用，如果我不在計算機上這樣做，當我試圖在不可見模型中打開一個文檔時，程序會崩潰，那麼'Word.Application'對象將被刪除OS）。

（2）。做完（1）之後，該程序有時會運行良好，但可能經常失敗。崩潰錯誤"COMError: (-2147418111, 'Call was rejected by callee.', (None, None, None, 0, None))"意味着COM服務器可能無法很快響應。所以我在嘗試打開文檔之前添加了一段延遲。

做這兩個步驟後，程序將完全無故障工作了。演示代碼如下。如果遇到同樣的問題，請嘗試遵循以下兩個步驟。希望能幫助到你。

import os 
    import comtypes.client 
    import time 


    wdFormatPDF = 17 


    # absolute path is needed 
    # be careful about the slash '\', use '\\' or '/' or raw string r"..." 
    in_file=r'absolute path of input docx file 1' 
    out_file=r'absolute path of output pdf file 1' 

    in_file2=r'absolute path of input docx file 2' 
    out_file2=r'absolute path of outputpdf file 2' 

    # print out filenames 
    print in_file 
    print out_file 
    print in_file2 
    print out_file2 


    # create COM object 
    word = comtypes.client.CreateObject('Word.Application') 
    # key point 1: make word visible before open a new document 
    word.Visible = True 
    # key point 2: wait for the COM Server to prepare well. 
    time.sleep(3) 

    # convert docx file 1 to pdf file 1 
    doc=word.Documents.Open(in_file) # open docx file 1 
    doc.SaveAs(out_file, FileFormat=wdFormatPDF) # conversion 
    doc.Close() # close docx file 1 
    word.Visible = False 
    # convert docx file 2 to pdf file 2 
    doc = word.Documents.Open(in_file2) # open docx file 2 
    doc.SaveAs(out_file2, FileFormat=wdFormatPDF) # conversion 
    doc.Close() # close docx file 2 
    word.Quit() # close Word Application 

Answer 8

我試過接受的答案，但並不是特別熱衷於臃腫的PDF文件正在產生，這通常是比預期的數量級更大的數量級。尋找如何使用虛擬PDF打印機時，禁用對話框後，我碰到的BullZip PDF打印機，我已經相當深刻的印象，它的特點。現在它已被我以前使用的其他虛擬打印機取代。你會在他們的下載頁面找到一個「免費社區版」。

可以找到COM API here並且可以找到可用設置的列表here。這些設置被寫入一個「runonce」文件，該文件僅用於一個打印作業，然後自動刪除。在打印多個PDF時，我們需要確保一個打印作業完成後再啓動另一個打印作業，以確保每個文件的設置都正確使用。

import os, re, time, datetime, win32com.client 

def print_to_Bullzip(file): 
    util = win32com.client.Dispatch("Bullzip.PDFUtil") 
    settings = win32com.client.Dispatch("Bullzip.PDFSettings") 
    settings.PrinterName = util.DefaultPrinterName  # make sure we're controlling the right PDF printer 

    outputFile = re.sub("\.[^.]+$", ".pdf", file) 
    statusFile = re.sub("\.[^.]+$", ".status", file) 

    settings.SetValue("Output", outputFile) 
    settings.SetValue("ConfirmOverwrite", "no") 
    settings.SetValue("ShowSaveAS", "never") 
    settings.SetValue("ShowSettings", "never") 
    settings.SetValue("ShowPDF", "no") 
    settings.SetValue("ShowProgress", "no") 
    settings.SetValue("ShowProgressFinished", "no")  # disable balloon tip 
    settings.SetValue("StatusFile", statusFile)   # created after print job 
    settings.WriteSettings(True)      # write settings to the runonce.ini 
    util.PrintFile(file, util.DefaultPrinterName)  # send to Bullzip virtual printer 

    # wait until print job completes before continuing 
    # otherwise settings for the next job may not be used 
    timestamp = datetime.datetime.now() 
    while((datetime.datetime.now() - timestamp).seconds < 10): 
     if os.path.exists(statusFile) and os.path.isfile(statusFile): 
      error = util.ReadIniString(statusFile, "Status", "Errors", '') 
      if error != "0": 
       raise IOError("PDF was created with errors") 
      os.remove(statusFile) 
      return 
     time.sleep(0.1) 
    raise IOError("PDF creation timed out")