from markitdown import MarkItDown
|
from win32com import client
|
|
office_id = 'kwps.Application'
|
|
|
def docx_to_markdown(doc_file: str) -> str:
|
"""
|
将.docx文件转换为Markdown格式文本。
|
|
该函数使用MarkItDown类的实例来处理传入的.docx文件，并将其内容转换为Markdown格式的文本。
|
主要步骤包括创建MarkItDown类的实例、调用实例的convert方法处理文件，最后返回转换后的文本内容。
|
|
参数:
|
doc_file: str - .docx文件的路径，应包含文件名和扩展名。
|
|
返回:
|
str - 转换后的Markdown格式文本。
|
"""
|
# 创建MarkItDown类的实例
|
md = MarkItDown()
|
|
# 使用MarkItDown实例转换.docx文件为Markdown格式文本
|
result = md.convert(doc_file)
|
|
# 返回转换后的文本内容
|
return result.text_content
|
|
|
def doc_to_docx(doc_file: str, docx_file: str) -> None:
|
"""
|
将.doc文件转换为.docx文件。
|
|
参数:
|
doc_file (str): 输入的.doc文件路径。
|
docx_file (str): 输出的.docx文件路径。
|
|
返回:
|
None
|
"""
|
try:
|
word = client.Dispatch(office_id)
|
doc = word.Documents.Open(doc_file)
|
doc.SaveAs(docx_file, 12) # 参数12表示保存为.docx格式
|
doc.Close()
|
word.Quit()
|
print(f"文件 {doc_file} 已成功转换为 {docx_file}！")
|
except Exception as e:
|
print(f"出现错误: {e}")
|
|
|
def docx_to_pdf(docx_file: str, pdf_file: str) -> None:
|
"""
|
将.docx文件转换为.pdf文件。
|
|
参数:
|
docx_file (str): 输入的.docx文件路径。
|
pdf_file (str): 输出的.pdf文件路径。
|
|
返回:
|
None
|
"""
|
try:
|
word = client.Dispatch(office_id)
|
doc = word.Documents.Open(docx_file)
|
doc.SaveAs(pdf_file, 17) # 17 表示保存为.pdf格式
|
doc.Close()
|
word.Quit()
|
print(f"文件 {docx_file} 已成功转换为 {pdf_file}！")
|
except Exception as e:
|
print(f"出现错误: {e}")
|
|
|
def test():
|
# doc_to_docx("D:\\projects\\KnowledgeBase\\doc\\XA-5D无人机探测大纲（公开）.doc",
|
# "D:\\projects\\KnowledgeBase\\doc\\XA-5D无人机探测大纲（公开）111.docx")
|
# docx_to_pdf("D:/workspace/PythonProjects/KnowledgeBase/doc/ZL格式(公开).docx",
|
# "D:/workspace/PythonProjects/KnowledgeBase/doc/ZL格式(公开).pdf")
|
import pymupdf4llm
|
md_text = pymupdf4llm.to_markdown("D:/workspace/PythonProjects/KnowledgeBase/doc/ZL格式(公开).pdf")
|
print(md_text)
|
|
|
if __name__ == '__main__':
|
test()
|
