Konwersja plików do PDF i z PDF – TXT/CSV/IMG → PDF, PDF → TXT

Konwersja plików do i z formatu PDF to jedna z najczęstszych operacji w automatyzacji dokumentów. Bez względu na to, czy potrzebujesz wygenerować PDF z danych tekstowych, konwertować obrazy do formatu dokumentu, czy wyciągnąć tekst z istniejących plików PDF dla dalszego przetwarzania — Python oferuje kompleksowe narzędzia do każdego z tych zadań. Biblioteki takie jak reportlab, pdfminer.six czy Pillow pozwalają na bezproblemową pracę z różnymi formatami, eliminując potrzebę ręcznej konwersji i zapewniając spójność procesów automatyzacji.

Obraz główny Konwersja plików do PDF i z PDF w Pythonie

Generowanie PDF z tekstu (TXT → PDF)

Podstawowa konwersja pliku tekstowego do PDF:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
from pathlib import Path

def txt_to_pdf(input_txt: str, output_pdf: str):
    """Konwertuje plik tekstowy do PDF."""
    c = canvas.Canvas(output_pdf, pagesize=letter)
    width, height = letter

    # Czytanie pliku tekstowego
    with open(input_txt, 'r', encoding='utf-8') as f:
        text = f.read()

    # Dzielenie tekstu na linie
    lines = text.split('\n')
    y = height - 50

    for line in lines:
        if y < 50:# Nowa strona
            c.showPage()
            y = height - 50

        c.drawString(50, y, line)
        y -= 15

    c.save()
    print(f"Konwertowano {input_txt} do {output_pdf}")

txt_to_pdf("dokument.txt", "dokument.pdf")

Generowanie PDF z CSV (CSV → PDF)

Konwersja danych CSV do tabeli PDF:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
from reportlab.lib.pagesizes import letter
from reportlab.lib import colors
from reportlab.platypus import SimpleDocTemplate, Table, TableStyle
import csv


def csv_to_pdf(input_csv: str, output_pdf: str):
    """Konwertuje plik CSV do PDF z tabelą."""
    doc = SimpleDocTemplate(output_pdf, pagesize=letter)
    elements = []

    data = []
    with open(input_csv, 'r', encoding='utf-8') as f:
        reader = csv.reader(f)
        for row in reader:
            data.append(row)

    table = Table(data)
    table.setStyle(TableStyle([
        ('BACKGROUND', (0, 0), (-1, 0), colors.grey),
        ('TEXTCOLOR', (0, 0), (-1, 0), colors.whitesmoke),
        ('ALIGN', (0, 0), (-1, -1), 'CENTER'),
        ('FONTNAME', (0, 0), (-1, 0), 'Helvetica-Bold'),
        ('FONTSIZE', (0, 0), (-1, 0), 14),
        ('BOTTOMPADDING', (0, 0), (-1, 0), 12),
        ('BACKGROUND', (0, 1), (-1, -1), colors.beige),
        ('GRID', (0, 0), (-1, -1), 1, colors.black)
    ]))

    elements.append(table)
    doc.build(elements)
    print(f"Konwertowano {input_csv} do {output_pdf}")


csv_to_pdf("dane.csv", "raport.pdf")

Konwersja obrazów do PDF (IMG → PDF)

Łączenie wielu obrazów w jeden PDF lub konwersja pojedynczego obrazu:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
from PIL import Image
from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter
from pathlib import Path


def images_to_pdf(image_files: list[str], output_pdf: str):
    """Konwertuje obrazy do jednego pliku PDF."""
    c = canvas.Canvas(output_pdf, pagesize=letter)
    width, height = letter

    for img_path in image_files:
        img = Image.open(img_path)
        img_width, img_height = img.size

        ratio = min(width / img_width, height / img_height) * 0.9
        new_width = img_width * ratio
        new_height = img_height * ratio

        x = (width - new_width) / 2
        y = (height - new_height) / 2

        c.drawImage(img_path, x, y, width=new_width, height=new_height)
        c.showPage()

    c.save()
    print(f"Konwertowano {len(image_files)} obrazów do {output_pdf}")


images_to_pdf(["obraz1.png", "obraz2.jpg", "obraz3.png"], "obrazy.pdf")

Ekstrakcja tekstu z PDF (PDF → TXT)

Wyodrębnianie tekstu z dokumentów PDF:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from pypdf import PdfReader

def pdf_to_txt(input_pdf: str, output_txt: str):
    """Ekstrahuje tekst z pliku PDF."""
    reader = PdfReader(input_pdf)
    text_content = []

    for page_num, page in enumerate(reader.pages, 1):
        text = page.extract_text()
        text_content.append(f"=== Strona {page_num} ===\n{text}\n")

    with open(output_txt, 'w', encoding='utf-8') as f:
        f.write('\n'.join(text_content))

    print(f"Ekstrahowano tekst z {input_pdf} do {output_txt}")

pdf_to_txt("dokument.pdf", "dokument.txt")

Zaawansowana ekstrakcja z pdfminer

Dla bardziej skomplikowanych PDF-ów lepiej użyć pdfminer.six:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from pdfminer.high_level import extract_text
from pdfminer.layout import LAParams

def advanced_pdf_to_txt(input_pdf: str, output_txt: str):
    """Zaawansowana ekstrakcja tekstu z PDF."""
    # Ekstrakcja z lepszą konfiguracją layoutu
    text = extract_text(
        input_pdf,
        laparams=LAParams(
            line_margin=0.5,
            word_margin=0.1,
            char_margin=2.0
        )
    )

    with open(output_txt, 'w', encoding='utf-8') as f:
    f.write(text)

    print(f"Ekstrahowano tekst z {input_pdf} do {output_txt}")

advanced_pdf_to_txt("zlozony_dokument.pdf", "tekst.txt")

Batch konwersja wielu plików

Automatyzacja konwersji wielu plików naraz:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
from pathlib import Path
from pypdf import PdfReader

def batch_pdf_to_txt(directory: str, output_dir: str = None):
    """Konwertuje wszystkie PDF-y w katalogu do TXT."""
    pdf_dir = Path(directory)

    if output_dir:
        out_dir = Path(output_dir)
        out_dir.mkdir(parents=True, exist_ok=True)
    else:
        out_dir = pdf_dir

    pdf_files = list(pdf_dir.glob("*.pdf"))

    for pdf_file in pdf_files:
        output_file = out_dir / f"{pdf_file.stem}.txt"
        pdf_to_txt(str(pdf_file), str(output_file))

    print(f"Przetworzono {len(pdf_files)} plików PDF")

batch_pdf_to_txt("./dokumenty/", "./teksty/")

Konwersja HTML do PDF

Generowanie PDF z HTML:

Python
1
2
3
4
5
6
7
8
from weasyprint import HTML

def html_to_pdf(input_html: str, output_pdf: str):
    """Konwertuje plik HTML do PDF."""
    HTML(filename=input_html).write_pdf(output_pdf)
    print(f"Konwertowano {input_html} do {output_pdf}")

html_to_pdf("raport.html", "raport.pdf")

Podsumowanie

Python oferuje narzędzia do konwersji w obie strony:

Do PDF: TXT → PDF, CSV → PDF, IMG → PDF, HTML → PDF
Z PDF: PDF → TXT z ekstrakcją tekstu
Batch processing: automatyczna konwersja wielu plików

Te techniki są kluczowe w automatyzacji przetwarzania dokumentów.

➡️ Następny artykuł

Po opanowaniu konwersji plików, naucz się tworzyć profesjonalne spisy treści w PDF:

Tworzenie spisu treści i łączenie rozdziałów w PDF — dodawanie zakładek, hierarchicznych struktur nawigacyjnych i automatyczne generowanie spisów treści w dużych dokumentach.

Rozwiązania

Wsparcie zespołu

Nauka

Wiedza

Konwersja plików do PDF i z PDF w Pythonie