Python在Linux环境下Word转PDF

您所在的位置：网站首页 › 批量文档转pdf › Python在Linux环境下Word转PDF

Python在Linux环境下Word转PDF

2024-02-17 01:44| 来源: 网络整理| 查看: 265

有定制化需求可私信联系

有完美 PDF 转 Docx 方案，可私信联系

文章目录简介对比win32comcomtypesdocx2pdfAbiWordLibreOfficeWindowsLinux命令行参数 ~~wvPDF~~~~aspose-words~~~~unoconv~~易源数据API九云图APIWPS+pywpsrpcSupervisor 守护进程封装遇到的坑参考文献

简介

Word 转 PDF，且需要能够在 Linux 上部署

1.docx（0118）

对比实现方案优点缺点软件占用空间win32com效果最好不支持 Linux1 GB 以上comtypes效果最好不支持 Linux1 GB 以上docx2pdf效果最好不支持 Linux1 GB 以上AbiWord占用空间小，安装方便不支持 Windows，导出可能不完整69.4 MBLibreOffice支持 Windows 和 Linux效果一般，安装麻烦585 MBwvPDF无效果很差，兼容很差247 MBaspose-words速度快收费，有水印50.6 MBunoconv无效果较差，且有坑306 MB阿里云市场易源数据API速度快效果较差，收费0九云图API效果好文档需先上传为url，字体貌似需要不可多样化，收费0WPS+pywpsrpc效果好首次运行需要界面，安装麻烦350 MB 以上

Linux 环境下建议使用 WPS+pywpsrpc

win32com

代码

from pathlib import Path from win32com.client import Dispatch, constants, gencache docx_path = str(Path('1.docx').absolute()) pdf_path = str(Path('1.pdf').absolute()) gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4) wd = Dispatch('Word.Application') doc = wd.Documents.Open(docx_path, ReadOnly=1) doc.ExportAsFixedFormat(pdf_path, constants.wdExportFormatPDF, Item=constants.wdExportDocumentWithMarkup, CreateBookmarks=constants.wdExportCreateHeadingBookmarks) wd.Quit(constants.wdDoNotSaveChanges)

效果

第一页第二页

优点：代码简洁，效果好

缺点：需要安装Microsoft Word，不支持 Linux

comtypes

安装

pip install comtypes

代码

from pathlib import Path import comtypes.client word = comtypes.client.CreateObject('Word.Application') doc = word.Documents.Open(str(Path('1.docx').absolute())) wdFormatPDF = 17 doc.SaveAs(str(Path('1.pdf').absolute()), FileFormat=wdFormatPDF) doc.Close() word.Quit()

效果

第一页第二页

优点：代码简洁，效果好

缺点：需要安装Microsoft Word，不支持 Linux

wdFormatPDF 的值为 17 查阅 WdSaveFormat enumeration

docx2pdf

原理是调用 Microsoft Word，所以必须安装

Windows：win32comMac：JXA

安装

pip install docx2pdf

命令行

docx2pdf 1.docx

代码

from docx2pdf import convert convert('1.docx') print('转换完成')

效果

第一页第二页

优点：速度快，效果好

缺点：需要安装Microsoft Word，不支持 Linux

AbiWord

Linux 安装

sudo apt-get install abiword

命令行

abiword -t pdf 1.docx

代码

from subprocess import Popen file = '1.docx' Popen(['abiword', '-t', 'pdf', file]).communicate() print('转换完成')

命令行参数详细阅读：Command line options

效果

第一页第二页第三页

优点：占用空间小，安装方便

缺点：不支持 Windows，导出可能不完整

LibreOffice Windows

安装 LibreOffice

添加环境变量 PATH：C:\Program Files\LibreOffice\program

命令行

soffice.exe --convert-to pdf 1.docx

代码

from subprocess import Popen file = '1.docx' Popen(['soffice.exe', '--convert-to', 'pdf', file]).communicate() print('转换完成')

Linux

从 Index of libreoffice 找到合适的文件（x.x.x 指具体的版本，如 7.1.8）

LibreOffice_x.x.x_Linux_x86-64_deb.tar.gz LibreOffice_x.x.x_Linux_x86-64_deb_sdk.tar.gz LibreOffice_x.x.x_Linux_x86-64_deb_langpack_zh-CN

安装

mkdir -p ~/download/libreoffice/deb cd ~/download/libreoffice wget http://mirrors.ustc.edu.cn/tdf/libreoffice/stable/7.1.8/deb/x86_64/LibreOffice_7.1.8_Linux_x86-64_deb.tar.gz wget http://mirrors.ustc.edu.cn/tdf/libreoffice/stable/7.1.8/deb/x86_64/LibreOffice_7.1.8_Linux_x86-64_deb_sdk.tar.gz wget http://mirrors.ustc.edu.cn/tdf/libreoffice/stable/7.1.8/deb/x86_64/LibreOffice_7.1.8_Linux_x86-64_deb_langpack_zh-CN.tar.gz tar -zxvf LibreOffice_7.1.8_Linux_x86-64_deb.tar.gz -C deb tar -zxvf LibreOffice_7.1.8_Linux_x86-64_deb_sdk.tar.gz -C deb tar -zxvf LibreOffice_7.1.8_Linux_x86-64_deb_langpack_zh-CN.tar.gz -C deb sudo dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb/DEBS/*.deb sudo dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb_sdk/DEBS/*.deb sudo dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb_langpack_zh-CN/DEBS/*.deb

命令行

soffice --headless --convert-to pdf 1.docx 或 libreoffice --headless --convert-to pdf 1.docx

效果

第一页第二页第三页

删除安装包

cd ~ rm -r ~/download/libreoffice

TODO：卸载（要一个个删，很多）

dpkg -l | grep LibreOffice sudo dpkg -r xxx

命令行参数

详细阅读：LibreOffice command line parameters

指定保存位置（不含文件名）：--outdir

wvPDF

安装

sudo apt-get install wv texlive-base texlive-latex-base ghostscript

命令行

wvPDF 1.docx 1.pdf

效果：这份文档无法导出

aspose-words

安装

pip install aspose-words

代码

import aspose.words as aw doc = aw.Document('1.docx') doc.save('1.pdf') print('转换完成')

效果

第一页第二页第三页

unoconv

安装

sudo apt-get install unoconv

命令行

unoconv -fpdf 1.docx doc2pdf 1.docx

效果

第一页第二页第三页

易源数据API

代码

import base64 import requests encoded = base64.b64encode(open('1.docx', 'rb').read()) url = 'https://word2pdf.showapi.com/word2pdf' appcode = '你的AppCode' headers = { 'Authorization': 'APPCODE ' + appcode, 'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8' } r = requests.post(url, data={'base64': encoded}, headers=headers, verify=False) print(r) print(r.json()['showapi_res_body']['url'])

效果

第一页第二页第三页第四页

九云图API

创建转换任务

import json import requests url = 'https://api.docsdk.com/v2/jobs' apiKey = '你的apiKey' data = { 'tasks': { 'ImportURL': { 'operation': 'import/url', 'url': 'https://image2.9yuntu.cn/resources/api/九云图API使用说明.docx' }, 'ConvertFile': { 'input': ['ImportURL'], 'operation': 'convert', 'output_format': 'pdf' }, 'ExportResult': { 'input': ['ConvertFile'], 'operation': 'export/url' } } } headers = { 'Authorization': 'Bearer ' + apiKey, 'Content-Type': 'application/json' } r = requests.post(url, data=json.dumps(data), headers=headers) print(r) result = r.json() print(result) print(result['data']['status']) print(result['data']['job_id'])

主动查询转换结果（复制上一步的 job_id）

import requests jobId = '上一步的job_id' url = f'https://api.docsdk.com/v2/jobs/{jobId}' apiKey = '你的apiKey' headers = { 'Authorization': 'Bearer ' + apiKey } r = requests.get(url, headers=headers) print(r) result = r.json() print(result) status = result['data']['status'] print(status) if status == 'finished': tasks = result['data']['tasks'] for task in tasks: files = task['result']['files'] print(task['id'], task['status'], str(task['percent']) + '%') for index, file in enumerate(files): print(index, file['filename'], file.get('url', '无下载地址'))

安装 Python SDK

pip install docsdk

封装

import docsdk docsdk.configure(api_key='你的apiKey') payload = { 'tasks': { 'ImportURL': { 'operation': 'import/url', 'url': 'https://image2.9yuntu.cn/resources/api/九云图API使用说明.docx' }, 'ConvertFile': { 'input': ['ImportURL'], 'operation': 'convert', 'output_format': 'pdf', }, 'ExportResult': { 'input': ['ConvertFile'], 'operation': 'export/url' } } } res = docsdk.Job.create(payload=payload) # 创建转换任务 print(res) job_id = res['id'] res = docsdk.Job.wait(job_id) # 等待转换结果 file = res['tasks'][-1]['result']['files'][0] filename = docsdk.download(url=file['url'], filename=file['filename']) # 下载文件 print(filename)

效果

第一页第二页

WPS+pywpsrpc

此方法需要 X11

查看是否已安装 X11

dpkg -l | grep xserver-xorg-core

查看是否开启 X11

cat /etc/ssh/sshd_config | grep X11Forwarding

查看架构

dpkg --print-architecture

根据架构下载 WPS Office 2019 for Linux，如本人为 amd64，选择 X64

安装（本人实际安装的是wget https://wdl1.pcfg.cache.wpscdn.com/wpsdl/wpsoffice/download/linux/10920/wps-office_11.1.0.10920.XA_amd64.deb，以下为新版）

mkdir -p ~/download/wps cd ~/download/wps wget https://wdl1.cache.wps.cn/wps/download/ep/Linux2019/10920/wps-office_11.1.0.10920_amd64.deb sudo dpkg -i wps-office_11.1.0.10920_amd64.deb sudo apt-get install qt5-default pip3 install pywpsrpc wget https://raw.githubusercontent.com/timxx/pywpsrpc/master/examples/rpcwpsapi/convertto/convertto.py

打开 WPS（应该是中文的）

wps 1.docx

弹出，同意即可（如果没有弹出，要装 X11，阅读 Linux安装X11实现GUI）命令行

python3 convertto.py -f pdf 1.docx

这时可能会报错，再运行一次即可

Convert failed: Details: Can't get the application ErrCode: 0x80000008

也有可能因为网络问题渲染画面迟迟才出来报错

安装无界面模式

sudo apt install xserver-xorg-video-dummy vim dummy.conf

输入以下内容

Section "Monitor" Identifier "dummy_monitor" HorizSync 28.0-80.0 VertRefresh 48.0-75.0 Modeline "1920x1080" 172.80 1920 2040 2248 2576 1080 1081 1084 1118 EndSection Section "Device" Identifier "dummy_card" VideoRam 256000 Driver "dummy" EndSection Section "Screen" Identifier "dummy_screen" Device "dummy_card" Monitor "dummy_monitor" SubSection "Display" EndSubSection EndSection

启动虚拟界面

X :0 -config dummy.conf

另外开一个 SSH，实现无界面运行

export DISPLAY=localhost:0.0 echo $DISPLAY python3 convertto.py -f pdf 1.docx

效果

第一页第二页

删除安装包

cd ~ rm -r ~/download/wps

卸载

dpkg -l | grep wps-office sudo dpkg -r wps-office sudo apt-get --purge remove wps-office

Supervisor 守护进程

创建 X11 的配置文件 xorg.conf

sudo vim /usr/share/X11/xorg.conf.d/xorg.conf

填入内容，具体含义见 xorg.conf

创建子进程配置文件

sudo vim /etc/supervisor/conf.d/X11.conf

填入内容

[program:X11] command=X :0 -config /usr/share/X11/xorg.conf.d/xorg.conf autostart=true autorestart=true startsecs=10 stdout_logfile=/tmp/X11.stdout.log stderr_logfile=/tmp/X11.stderr.log

重新读取配置并更新子进程

supervisorctl reread supervisorctl update

查看进程状态

ps -ef | grep Xorg supervisorctl status | grep X11

封装 import os import argparse from pathlib import Path from pywpsrpc.common import S_OK from pywpsrpc.rpcwpsapi import wpsapi, createWpsRpcInstance os.environ['DISPLAY'] = ':0.0' # 设置环境变量，指定哪块屏幕 formats = { 'doc': wpsapi.wdFormatDocument, 'docx': wpsapi.wdFormatXMLDocument, 'rtf': wpsapi.wdFormatRTF, 'html': wpsapi.wdFormatHTML, 'pdf': wpsapi.wdFormatPDF, 'xml': wpsapi.wdFormatXML, } class ConvertException(Exception): def __init__(self, text, hr): self.text = text self.hr = hr def __str__(self): return 'Convert failed:\nDetails: {}\nErrCode: {}'.format(self.text, hex(self.hr & 0xFFFFFFFF)) def convert_to(paths, format='pdf'): hr, rpc = createWpsRpcInstance() if hr != S_OK: raise ConvertException('Can not create the rpc instance', hr) hr, app = rpc.getWpsApplication() if hr != S_OK: raise ConvertException('Can not get the application', hr) app.Visible = False # 不需要GUI docs = app.Documents for path in paths: path = Path(path) if path.is_file(): hr, doc = docs.Open(str(path.absolute()), ReadOnly=True) if hr != S_OK: raise ConvertException('can not open file {}'.format(path.name), hr) new_file = '{}.{}'.format(path.parent / path.stem, format) hr = doc.SaveAs2(new_file, FileFormat=formats[format]) if hr != S_OK: raise ConvertException('convert_file failed', hr) doc.Close(wpsapi.wdDoNotSaveChanges) app.Quit() if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('path', nargs='+') args = parser.parse_args() paths = args.path print(paths) try: convert_to(paths) print('转换完成') except ConvertException as e: print(e)

遇到的坑

1. 报错 NotImplementedError: docx2pdf is not implemented for linux as it requires Microsoft Word to be installed

docx2pdf 不能在 Linux 上运行

2. 报错 unoconv: Cannot find a suitable pyuno library and python binary combination in /usr/lib/libreoffice

sudo vim /usr/bin/unoconv

将首行

#!/usr/bin/env python3

改为

#!/usr/bin/python3

3. 报错 The program ‘libreoffice’ is currently not installed. To run ‘libreoffice’ please ask your administrator to install the package ‘libreoffice-common’

sudo apt-get libreoffice-common

4. 报错 Error: source file could not be loaded

sudo apt-get libreoffice-writer

5. WPS 的方案，测试代码能正常转换，部署代码报错 Can not get the application

检查环境变量 PATH 是否添加 WPS 所在目录：/usr/bin

import os print(os.environ['PATH']) print('/usr/bin' in os.environ['PATH'])

可能不支持并发多线程

X11 可能不支持不同用户或无 sudo 权限用户使用，Can’t start X11 applications after “su” or “su -” to another user

6. WPS 的方案，报错 convert_file failed ErrCode: 0x80010105

没有写入权限

7. WPS 可能有 BUG，需要切换为多组件模式

设置多组件模式流程：wps → 右上角设置按钮 → Settings → Others → Change window manage mode… → 选择【Multi-Module Mode】

8. Errors were encountered while processing

cd /var/lib/dpkg sudo mv info info.bak sudo mkdir info sudo apt-get update

参考文献 pywpsrpc GitHubwpsrpc-sdk GitHubwps_cppWPS 开放平台WPS C++ 集成源码WPSOffice二次开发帮助文档docx2pdf GitHubConverting docx to pdf with pure python (on linux, without libreoffice)LibreOffice command line parametersHow to convert Word (doc) to PDF in linuxunoconv: Cannot find a suitable pyuno library and python binary combination · Issue #49 · unoconv/unoconvAbiWord vs LibreOffice 2022 ComparisonLinux 下的LibreOffice安装pywpsrpc Run on ServerLinux deb 软件包管理Linux安装X Window服务——远程显示GUIlinux服务器通过X11实现图形化界面显示Error: source file could not be loadedPython 中docx转pdfcomtypes Documentationcomtypes GitHububuntu 下使用python操作wps文档和表格python 设置linux环境变量python 如何设置linux环境变量？What is the $DISPLAY environment variable?Python实现的进程管理神器——SupervisorWhere is the X.org config file? How do I configure X there?并发执行文件转换的程序获取不到applicationCan’t start X11 applications after “su” or “su -” to another userxserver - What are xhost and xhost +si?How can I run /usr/bin/Xorg without sudo?/usr/bin/xauth: file /…/.Xauthority does not existWord转PDF-阿里云Requests DocumentationPython图片转base64九云图 - API文档docsdk GitHub

【本文地址】

公司简介

联系我们