用 Python 写一个 PDF 转 DOC 小工具（支持

前几天同事发我一份 PDF，转成 Word 打开全是空白。一查才知道，不是工具坏了，是碰上扫描版了。

PDF 和 Word 根本是两套逻辑：一个管“字画在哪”，一个管“段落样式”。电子版能直接抽文字重建；扫描版本质是一堆图片，得先 OCR 识别再拼段落。很多工具只会处理前者，遇到扫描件就抓瞎。

所以我用 Python 写了个小工具，让它自动判断走哪条路。核心就三件事：先抽样看每页可提取字符数，平均低于 50 个字就当扫描版；然后分别抽取带坐标的文字；最后按纵坐标把同行拼起来，再按行间距判断换段。

代码不长，依赖 PyMuPDF、PaddleOCR 和 python-docx。不过说实话，复杂表格、公式和多栏排版还是容易串。别指望一键完美还原，把它当成先出初稿再微调的工具，效率提升就很明显了。