Converter PDF para Microsoft Word

Visão Geral

Este artigo explica como converter PDF para Word usando PHP. O código é muito simples, basta carregar o PDF na classe Document e salvá-lo como saída no formato Microsoft Word DOC ou DOCX. Ele cobre os seguintes tópicos

Converter PDF para DOC

Uma das características mais populares é a conversão de PDF para DOC do Microsoft Word, o que torna o conteúdo fácil de manipular. Aspose.PDF para PHP permite que você converta arquivos PDF para DOC.

Aspose.PDF para PHP pode criar documentos PDF do zero e é um excelente kit de ferramentas para atualizar, editar e manipular documentos PDF existentes. Uma característica importante é a capacidade de converter páginas e documentos PDF inteiros em imagens. Outra característica popular é a conversão de PDF para DOC do Microsoft Word, o que torna o conteúdo fácil de manipular. (A maioria dos usuários não consegue editar documentos PDF, mas pode facilmente trabalhar com tabelas, texto e imagens no Microsoft Word.)

Para simplificar e tornar as coisas compreensíveis, Aspose.PDF para PHP fornece um código de duas linhas para transformar um arquivo PDF de origem em um arquivo DOC.

O trecho de código Java a seguir mostra o processo de conversão de um arquivo PDF para o formato DOC.

  1. Crie uma instância do objeto Document com o documento PDF de origem.

  2. Salve-o no formato SaveFormat.Doc chamando o método Document.save().

// Carregar o documento PDF
$document = new Document($inputFile);

// Criar um novo objeto DocSaveOptions
$saveOption = new DocSaveOptions();

// Definir o formato de saída para DOC
$saveOption->setFormat(DocSaveOptions_DocFormat::$Doc);

// Salvar o documento como DOC
$document->save($outputFile, $saveOption);

Usando a Classe DocSaveOptions

A classe DocSaveOptions fornece várias propriedades que melhoram o processo de conversão de arquivos PDF para o formato DOC. Entre essas propriedades, o modo permite que você especifique o modo de reconhecimento para o conteúdo do PDF. Você pode especificar qualquer valor da enumeração RecognitionMode para esta propriedade. Cada um desses valores tem benefícios e limitações específicos:

  • O modo Textbox é rápido e bom para preservar a aparência original de um arquivo PDF, mas a editabilidade do documento resultante pode ser limitada. Cada bloco de texto visualmente agrupado no PDF original é convertido em uma caixa de texto no documento de saída. Isso alcança uma semelhança máxima com o original, de modo que o documento de saída fique bom, mas consiste inteiramente de caixas de texto e isso pode tornar a edição no Microsoft Word difícil.

  • Flow é o modo de reconhecimento completo, onde o mecanismo realiza agrupamento e análise multinível para restaurar o documento original conforme a intenção do autor, ao mesmo tempo em que produz um documento facilmente editável. A limitação é que o documento de saída pode parecer diferente do original.

  • A propriedade RelativeHorizontalProximity pode ser usada para controlar a proximidade relativa entre elementos textuais e significa que a distância é normatizada pelo tamanho da fonte. Fontes maiores podem ter distâncias maiores entre sílabas e ainda serem consideradas um único todo. É especificado como uma porcentagem do tamanho da fonte, por exemplo, 1 = 100%. Isso significa que dois caracteres de 12pt colocados a 12 pt de distância são próximos.

  • RecognitionBullets é usado para ativar o reconhecimento de marcadores durante a conversão.

// Carregar o documento PDF
$document = new Document($inputFile);

// Criar um novo objeto DocSaveOptions
$saveOption = new DocSaveOptions();

// Definir o modo de reconhecimento para EnhancedFlow
$saveOption->setMode(DocSaveOptions_RecognitionMode::$EnhancedFlow);

// Definir o formato de saída como DOC
$saveOption->setFormat(DocSaveOptions_DocFormat::$Doc);

// Definir o modo de reconhecimento como Flow
saveOptions->setMode(DocSaveOptions_RecognitionMode::$Flow);

// Definir a proximidade horizontal como 2.5
saveOptions->setRelativeHorizontalProximity(2.5f);

// Habilitar o valor para reconhecer marcadores durante o processo de conversão
saveOptions->setRecognizeBullets(true);

// Salvar o documento como DOCX
$document->save($outputFile, $saveOption);

Converter PDF para DOCX

A enumeração DocFormat também oferece a opção de escolher DOCX como o formato de saída para documentos Word. Para renderizar o arquivo PDF de origem no formato DOCX, use o trecho de código especificado abaixo.

Como converter PDF para DOCX

O seguinte trecho de código Java mostra o processo de conversão de um arquivo PDF para o formato DOCX.

  1. Crie uma instância do objeto Document com o documento PDF de origem.
  2. Salve-o no formato SaveFormat.DocX chamando o método Document.save().
    // Carregar o documento PDF
    $document = new Document($inputFile);
    
    // Salvar o documento como DOCX
    $document->save($outputFile, SaveFormat::$DocX);

A classe DocSaveOptions possui uma propriedade chamada Format que fornece a capacidade de especificar o formato do documento resultante, ou seja, DOC ou DOCX. Para converter um arquivo PDF para o formato DOCX, passe o valor Docx da enumeração DocSaveOptions.DocFormat.

Por favor, veja o seguinte trecho de código que fornece a capacidade de converter um arquivo PDF para o formato DOCX com Java.

// Carregar o documento PDF
$document = new Document($inputFile);

// Criar um novo objeto DocSaveOptions
$saveOption = new DocSaveOptions();

// Definir o modo de reconhecimento para EnhancedFlow
$saveOption->setMode(DocSaveOptions_RecognitionMode::$EnhancedFlow);

// Definir o formato de saída para DOCX
$saveOption->setFormat(DocSaveOptions_DocFormat::$DocX);

// Salvar o documento como DOCX
$document->save($outputFile, $saveOption);
Converter PDF para Microsoft Excel