快速将 Word 文档转换为 PDF 【Python 教程】

用户033212666367
2 阅读7分钟

在文档管理和分发场景中，将 Word 文档转换为 PDF 是一项基础且关键的操作。PDF 格式具有跨平台一致性、不可轻易编辑性和广泛的兼容性，使其成为文档归档、报告分发和正式文件交换的首选格式。本文将深入探讨如何使用 Python 将 Word 文档高效地转换为 PDF 格式，并控制转换过程中的各项参数。

为什么需要将 Word 转换为 PDF

Word 文档虽然便于编辑，但在分发和展示时存在诸多局限：

  • 格式一致性：PDF 在不同设备和操作系统上保持完全一致的排版
  • 防篡改性：PDF 更难以被意外或故意修改，适合正式文件
  • 通用兼容：几乎所有设备都能查看 PDF，无需安装 Microsoft Office
  • 文件优化：PDF 可以嵌入字体、压缩图像，减小文件体积
  • 安全性：支持密码保护、数字签名等安全功能

通过 Python 自动化这一转换过程，可以实现批量处理、定时转换和集成到更大的文档管理工作流中。

环境准备

在开始之前，需要安装支持 Word 文档操作的 Python 库。Spire.Doc for Python 提供了全面的 API 来处理 DOCX 格式的文档，包括转换为 PDF 功能。

pip install Spire.Doc

安装完成后，在 Python 脚本中导入相关模块：

from spire.doc import *
from spire.doc.common import *

基础转换流程

将 Word 文档转换为 PDF 的核心步骤非常简单：加载文档、调用保存方法、关闭文档。以下是最基础的转换示例：

from spire.doc import *
from spire.doc.common import *

# 定义输入输出路径
inputFile = "document.docx"
outputFile = "output.pdf"

# 创建 Word 文档对象
document = Document()

# 加载 Word 文件
document.LoadFromFile(inputFile)

# 保存为 PDF 格式
document.SaveToFile(outputFile, FileFormat.PDF)

# 关闭文档释放资源
document.Close()

上述代码展示了最基本的转换流程。Document 对象负责加载和管理 Word 文档，SaveToFile() 方法的第二个参数 FileFormat.PDF 指定输出格式为 PDF。这种方式适合快速转换，使用默认的转换参数。

使用转换参数对象

对于需要更多控制的场景，可以使用 ToPdfParameterList 对象来配置转换选项：

from spire.doc import *
from spire.doc.common import *

inputFile = "report.docx"
outputFile = "report_with_bookmarks.pdf"

document = Document()
document.LoadFromFile(inputFile)

# 创建 PDF 转换参数对象
params = ToPdfParameterList()

# 设置是否创建 Word 书签
params.CreateWordBookmarks = True

# 保存为 PDF，应用自定义参数
document.SaveToFile(outputFile, params)
document.Close()

ToPdfParameterList 对象封装了所有可用的 PDF 转换选项，通过配置这个对象可以精确控制转换行为和输出结果。

创建 PDF 书签

书签是 PDF 文档中的重要导航元素，可以帮助读者快速定位到特定章节。从 Word 文档生成 PDF 时，可以自动基于标题样式创建书签：

from spire.doc import *
from spire.doc.common import *

inputFile = "manual.docx"
outputFile = "manual_with_bookmarks.pdf"

document = Document()
document.LoadFromFile(inputFile)

params = ToPdfParameterList()

# 启用书签创建功能
params.CreateWordBookmarks = True

# 配置书签创建方式
# False 表示基于 Word 书签创建
# True 表示基于标题样式创建
params.CreateWordBookmarksUsingHeadings = False

document.SaveToFile(outputFile, params)
document.Close()

书签创建有两种模式：

  1. 基于 Word 书签（CreateWordBookmarksUsingHeadings = False）：利用 Word 文档中已定义的书签生成 PDF 书签
  2. 基于标题样式（CreateWordBookmarksUsingHeadings = True）：自动识别 Word 中的标题样式（Heading 1、Heading 2 等）生成书签层级

选择合适的模式取决于 Word 文档的组织方式。对于结构化的技术文档，基于标题样式通常能生成更完整的书签体系。

嵌入字体确保一致性

字体嵌入是保证 PDF 在不同系统上显示一致的关键。如果 PDF 查看器没有安装文档使用的字体，可能会用替代字体渲染，导致排版变化：

from spire.doc import *
from spire.doc.common import *

inputFile = "formatted_document.docx"
outputFile = "embedded_fonts.pdf"

document = Document()
document.LoadFromFile(inputFile)

params = ToPdfParameterList()

# 嵌入所有字体（默认嵌入完整字体）
params.IsEmbeddedAllFonts = True

document.SaveToFile(outputFile, params)
document.Close()

IsEmbeddedAllFonts 参数控制字体嵌入行为：

  • 设置为 True：嵌入文档中使用的所有字体的完整字形集，确保在任何设备上都能正确显示
  • 设置为 False：仅嵌入子集字体或不嵌入，文件体积更小但可能依赖系统字体

对于包含特殊字体、艺术字或需要印刷级质量的文档，建议启用完整字体嵌入。

组合多个转换选项

在实际应用中，通常需要同时配置多个选项以达到最佳效果：

from spire.doc import *
from spire.doc.common import *

inputFile = "corporate_report.docx"
outputFile = "final_report.pdf"

document = Document()
document.LoadFromFile(inputFile)

params = ToPdfParameterList()

# 创建书签便于导航
params.CreateWordBookmarks = True
params.CreateWordBookmarksUsingHeadings = True  # 基于标题样式

# 嵌入所有字体确保一致性
params.IsEmbeddedAllFonts = True

# 保存为高质量的 PDF
document.SaveToFile(outputFile, params)
document.Close()

这种配置适合正式的商务文档、技术手册或学术论文，既保证了视觉一致性，又提供了良好的导航体验。

批量转换多个文档

在处理大量 Word 文档时，可以使用批量转换脚本来提高效率：

import os
from spire.doc import *
from spire.doc.common import *

def batch_convert_word_to_pdf(input_folder, output_folder, embed_fonts=True):
    """批量转换文件夹中的所有 Word 文档为 PDF"""
    
    # 确保输出目录存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    # 支持的 Word 格式
    word_extensions = ['.docx', '.doc', '.dot', '.dotx']
    
    # 遍历所有 Word 文件
    for filename in os.listdir(input_folder):
        if any(filename.lower().endswith(ext) for ext in word_extensions):
            input_path = os.path.join(input_folder, filename)
            base_name = os.path.splitext(filename)[0]
            output_path = os.path.join(output_folder, base_name + '.pdf')
            
            # 转换当前文档
            document = Document()
            document.LoadFromFile(input_path)
            
            params = ToPdfParameterList()
            params.IsEmbeddedAllFonts = embed_fonts
            
            document.SaveToFile(output_path, params)
            document.Close()
            
            print("已转换：{0} -> {1}".format(filename, base_name + '.pdf'))

# 使用示例
batch_convert_word_to_pdf("input_docs", "output_pdfs", embed_fonts=True)

这个批量转换函数实现了：

  • 自动创建输出目录
  • 支持多种 Word 格式（DOCX、DOC、DOT 等）
  • 可配置的字体嵌入选项
  • 显示转换进度

转换不同版本的 Word 文档

Spire.Doc 支持转换各种版本的 Word 文档格式：

from spire.doc import *

document = Document()

# 转换 DOCX（Word 2007+）
document.LoadFromFile("document.docx")
document.SaveToFile("output.pdf", FileFormat.PDF)
document.Close()

# 转换 DOC（Word 97-2003）
document = Document()
document.LoadFromFile("legacy_document.doc")
document.SaveToFile("output.pdf", FileFormat.PDF)
document.Close()

# 转换 DOTX 模板
document = Document()
document.LoadFromFile("template.dotx")
document.SaveToFile("output.pdf", FileFormat.PDF)
document.Close()

无论输入格式如何，输出的 PDF 都保持一致的质量和特性。

实战：文档归档系统

结合以上技术，可以构建一个简单的文档归档转换系统：

import os
from datetime import datetime
from spire.doc import *
from spire.doc.common import *

class DocumentArchiver:
    def __init__(self, archive_root="archive"):
        self.archive_root = archive_root
        if not os.path.exists(archive_root):
            os.makedirs(archive_root)
    
    def archive_document(self, word_file, category="general"):
        """将 Word 文档归档为 PDF"""
        
        # 创建分类目录
        category_dir = os.path.join(self.archive_root, category)
        if not os.path.exists(category_dir):
            os.makedirs(category_dir)
        
        # 生成带时间戳的文件名
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        base_name = os.path.splitext(os.path.basename(word_file))[0]
        pdf_filename = "{0}_{1}.pdf".format(base_name, timestamp)
        pdf_path = os.path.join(category_dir, pdf_filename)
        
        # 执行转换
        document = Document()
        document.LoadFromFile(word_file)
        
        params = ToPdfParameterList()
        params.CreateWordBookmarks = True
        params.CreateWordBookmarksUsingHeadings = True
        params.IsEmbeddedAllFonts = True
        
        document.SaveToFile(pdf_path, params)
        document.Close()
        
        return pdf_path
    
    def batch_archive(self, file_list, category):
        """批量归档文档"""
        archived_files = []
        for file_path in file_list:
            try:
                pdf_path = self.archiver.document(file_path, category)
                archived_files.append(pdf_path)
                print("归档成功：{0}".format(pdf_path))
            except Exception as e:
                print("归档失败 {0}: {1}".format(file_path, str(e)))
        return archived_files

# 使用示例
archiver = DocumentArchiver("document_archive")
archived_pdf = archiver.archive_document("quarterly_report.docx", category="reports")
print("已归档到：{0}".format(archived_pdf))

这个归档系统提供了：

  • 按类别组织归档文件
  • 自动生成带时间戳的文件名避免冲突
  • 批量归档支持
  • 错误处理和日志记录

常见问题与解决方案

问题 1：转换后中文显示乱码

确保启用了字体嵌入功能：

params.IsEmbeddedAllFonts = True

问题 2：PDF 文件体积过大

如果不需要完整字体嵌入，可以禁用该选项：

params.IsEmbeddedAllFonts = False

或者对图片进行预处理压缩。

问题 3：书签层级不正确

检查 Word 文档中的标题样式是否正确应用，确保使用正确的书签创建模式：

params.CreateWordBookmarksUsingHeadings = True  # 基于标题样式

总结

将 Word 文档转换为 PDF 是文档自动化处理中的核心技能。通过本文的介绍，我们学习了：

  1. 使用 Document 对象加载和转换 Word 文档
  2. 通过 ToPdfParameterList 配置转换参数
  3. 创建 PDF 书签增强文档导航性
  4. 嵌入字体确保跨平台显示一致性
  5. 构建批量转换和文档归档系统

这些技术可以直接应用于企业文档管理、自动化报告生成、数字档案系统等实际场景。掌握了基础的转换方法后，还可以进一步探索 PDF 加密、数字签名、表单创建等高级功能，构建更加完善的文档处理工作流。

avatar
文章
阅读
粉丝