使用纯 python 将 docx 转换为 pdf（在 linux 上，没有 libreoffice）

Question

我正在处理一个尝试开发网络应用程序的问题，其中一部分将上传的 docx 文件转换为 pdf 文件（经过一些处理）。使用python-docx 和其他方法，我不需要安装word 的windows 机器，甚至不需要Linux 上的libreoffice，进行大部分处理（我的网络服务器是pythonanywhere - linux 但没有libreoffice，也没有sudo 或apt install权限）。但转换为 pdf 似乎需要其中之一。通过在这里和其他地方探索问题，这就是我目前所拥有的：

import subprocess

try:
    from comtypes import client
except ImportError:
    client = None

def doc2pdf(doc):
    """
    convert a doc/docx document to pdf format
    :param doc: path to document
    """
    doc = os.path.abspath(doc) # bugfix - searching files in windows/system32
    if client is None:
        return doc2pdf_linux(doc)
    name, ext = os.path.splitext(doc)
    try:
        word = client.CreateObject('Word.Application')
        worddoc = word.Documents.Open(doc)
        worddoc.SaveAs(name + '.pdf', FileFormat=17)
    except Exception:
        raise
    finally:
        worddoc.Close()
        word.Quit()


def doc2pdf_linux(doc):
    """
    convert a doc/docx document to pdf format (linux only, requires libreoffice)
    :param doc: path to document
    """
    cmd = 'libreoffice --convert-to pdf'.split() + [doc]
    p = subprocess.Popen(cmd, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
    p.wait(timeout=10)
    stdout, stderr = p.communicate()
    if stderr:
        raise subprocess.SubprocessError(stderr)

如您所见，一种方法需要comtypes，另一种方法需要libreoffice 作为子进程。除了切换到更复杂的托管服务器之外，还有什么解决方案吗？

Answer 1

PythonAnywhere 帮助页面在此处提供有关使用 PDF 文件的信息：https://help.pythonanywhere.com/pages/PDF

总结：PythonAnywhere 安装了许多用于 PDF 操作的 Python 包，其中一个可以满足您的需求。但是，对我来说，向abiword 发起攻击似乎是最容易的。 shell 命令abiword --to=pdf filetoconvert.docx 会将docx 文件转换为PDF 并在与docx 相同的目录中生成一个名为filetoconvert.pdf 的文件。请注意，此命令将向标准错误流输出一条错误消息，抱怨XDG_RUNTIME_DIR（或者至少对我来说是这样），但它仍然有效，并且可以忽略错误消息。

Answer 2

您可以使用的另一个是libreoffice，但正如第一响应者所说，质量永远不会像使用实际comtypes那样好。

无论如何，在你安装 libreoffice 之后，这里是执行它的代码。

from subprocess import  Popen
LIBRE_OFFICE = r"C:\Program Files\LibreOffice\program\soffice.exe"

def convert_to_pdf(input_docx, out_folder):
    p = Popen([LIBRE_OFFICE, '--headless', '--convert-to', 'pdf', '--outdir',
               out_folder, input_docx])
    print([LIBRE_OFFICE, '--convert-to', 'pdf', input_docx])
    p.communicate()


sample_doc = 'file.docx'
out_folder = 'some_folder'
convert_to_pdf(sample_doc, out_folder)