基于 Streamlit 的 PDF 编辑器

你想实现一个基于 Streamlit 的 PDF 编辑器，功能包括：

• PDF 转 Word
• PDF 表格提取
• PDF 拆分页面
• PDF 转图片

下面是一个初步的 Streamlit 应用框架代码示例 ，集成了以上功能。使用了常见库如 pdfplumber、PyMuPDF（fitz）、pdf2image、pdf2docx 等。

---

✅ 安装依赖

pip install streamlit pdfplumber PyMuPDF pdf2image pdf2docx pandas pillow

还需安装 poppler 用于 pdf2image：

• Windows：下载地址
• macOS：brew install poppler
• Linux：sudo apt install poppler-utils

---

✅ app.py 示例代码

import streamlit as st
import pdfplumber
import fitz  # PyMuPDF
from pdf2image import convert_from_path
from pdf2docx import Converter
import os
import tempfile
import pandas as pd
from PIL import Image

st.set_page_config(page_title="PDF 编辑器", layout="wide")

st.title("📄 Streamlit PDF 编辑器")

uploaded_file = st.file_uploader("上传 PDF 文件", type=["pdf"])

if uploaded_file:
    with tempfile.NamedTemporaryFile(delete=False, suffix=".pdf") as tmp_file:
        tmp_file.write(uploaded_file.read())
        pdf_path = tmp_file.name

    st.success("PDF 上传成功")

    # 功能选择
    option = st.sidebar.selectbox("选择功能", [
        "📑 PDF 转 Word",
        "📋 提取表格",
        "🪓 拆分页面",
        "🖼️ PDF 转图片"
    ])

    # PDF 转 Word
    if option == "📑 PDF 转 Word":
        docx_output = pdf_path.replace(".pdf", ".docx")
        if st.button("开始转换"):
            with st.spinner("正在转换..."):
                cv = Converter(pdf_path)
                cv.convert(docx_output, start=0, end=None)
                cv.close()
            st.success("转换完成")
            with open(docx_output, "rb") as f:
                st.download_button("下载 Word 文件", f, file_name="converted.docx")

    # 提取表格
    elif option == "📋 提取表格":
        page_num = st.number_input("选择页码", min_value=1, value=1)
        with pdfplumber.open(pdf_path) as pdf:
            if page_num <= len(pdf):
                page = pdf[page_num - 1]
                tables = page.extract_tables()
                if tables:
                    for idx, table in enumerate(tables):
                        df = pd.DataFrame(table[1:], columns=table[0])
                        st.write(f"表格 {idx + 1}")
                        st.dataframe(df)
                        csv = df.to_csv(index=False).encode("utf-8")
                        st.download_button(f"下载表格 {idx + 1}", csv, file_name=f"table_{idx + 1}.csv")
                else:
                    st.warning("该页未检测到表格")

    # 拆分页面
    elif option == "🪓 拆分页面":
        doc = fitz.open(pdf_path)
        page_total = len(doc)
        st.write(f"PDF 共 {page_total} 页")
        selected_pages = st.multiselect("选择要拆分的页码", list(range(1, page_total + 1)))
        if st.button("拆分并下载"):
            for page_num in selected_pages:
                new_doc = fitz.open()
                new_doc.insert_pdf(doc, from_page=page_num - 1, to_page=page_num - 1)
                output_path = f"split_page_{page_num}.pdf"
                new_doc.save(output_path)
                with open(output_path, "rb") as f:
                    st.download_button(f"下载 第{page_num}页", f, file_name=output_path)

    # PDF 转图片
    elif option == "🖼️ PDF 转图片":
        dpi = st.slider("选择分辨率 (DPI)", 50, 300, 150)
        st.info("每页将被转为 PNG 图片")
        if st.button("开始转换"):
            with st.spinner("转换中..."):
                images = convert_from_path(pdf_path, dpi=dpi)
                for i, img in enumerate(images):
                    st.image(img, caption=f"Page {i+1}", use_column_width=True)
                    img_path = f"page_{i+1}.png"
                    img.save(img_path)
                    with open(img_path, "rb") as f:
                        st.download_button(f"下载 Page {i+1}", f, file_name=img_path)

---

✅ 功能扩展建议

• ✅ PDF 合并：用 PyPDF2 或 pypdf 实现多文件合并。
• ✅ PDF 添加水印 / 文字注释：用 reportlab + PyPDF2 实现。
• ✅ OCR 图片识别：嵌入 pytesseract 对图片页进行文本提取。

---