PaddleOCR/ppstructure/pdf2word/README.md

PDF2Word

PDF2Word是PaddleOCR社区开发者 whjdark 基于PP-StructureV2版面分析与恢复模型实现的PDF转换Word应用程序，提供可直接安装的exe应用程序，方便Windows用户离线、免环境配置运行

1.使用

应用程序

1. 下载与安装：针对Windows用户，根据软件下载一节下载软件并解压后，运行 启动程序.exe 。

   版本说明：

   • mini版体积较小，在安装过程中会自动下载依赖包、模型等必要资源，安装时间较长，请确保网络畅通。
   • full版打包了依赖包与模型文件，故压缩包较大，相对等待时间较短，可按需下载。

2. 打开文件与转换：

   • 中文转换、英文转换 ：针对 图片型PDF 文件的转换方法，即当PDF文件中的文字无法复制粘贴时，推荐使用本方法通过OCR转换文件，由于PP-Structure根据中英文数据分别进行适配，在转换相应文件时可根据文档语言进行相应选择。
   • PDF解析 ： 针对可以复制文字的PDF文件，推荐直接点击 PDF解析，获得更加精准的效果。

3. 打开结果：点击显示结果，即可打开转换完成后的文件夹

注意：

• 初次安装程序根据不同设备需要等待1-2分钟不等
• 使用Office与WPS打开的Word结果会出现不同，推荐以Office为准
• 本程序使用 QPT 进行应用程序打包，感谢 GT-ZhangAcer 对打包过程的支持

脚本启动界面

首次运行需要将切换路径到 /ppstructure/pdf2word ，然后运行代码

python pdf2word.py

PaddleOCR whl包

针对Linux、Mac用户，推荐安装 paddleocr whl包直接应用版面恢复功能，详情可查看链接

2.软件下载

如需获取已打包程序，可以扫描下方二维码，关注公众号填写问卷后，加入PaddleOCR官方交流群免费获取20G OCR学习大礼包，内含OCR场景应用集合（包含数码管、液晶屏、车牌、高精度SVTR模型等10个垂类模型）、《动手学OCR》电子书、课程回放视频、前沿论文等重磅资料