通过 REST API 使用 Adob​​e PDF 服务将 PDF 转换为 DOCX（在 Manjaro 中使用 Python）

Question

我正在关注这个问题的答案： Convert a PDF to DOCX using Adob​​e PDF Services via REST API (with Python)以便能够将 pdf 文档导出为 docx 文档。

我能够成功获取导出的文档数据并将其保存到 docx 文件中。 问题是当我尝试使用 LibreOffice 打开它时，它会显示一条消息：

文件“test.docx”已损坏，因此无法打开。 LibreOffice 可以尝试修复该文件。 损坏可能是由于数据传输造成的文档操作或结构文档损坏的结果。 我们建议您不要相信已修复文档的内容。 本文档禁止执行宏。

LibreOffice 应该修复文件吗？r 文件。*

当我单击“是”时，它抱怨说：

文件“test.docx”无法修复，因此无法打开。

然后关闭 LibreOffice。 我还应该说，我也尝试使用 google docs 和 OneDrive 打开test.docx文件，但都无法打开该文件。 One Drive 显示一条消息，内容如下：

无法打开此文档进行编辑。

在这里，我添加了我正在使用的整个 python 脚本（我用占位符替换了敏感信息）：

import requests
import json
import time

url = "https://cpf-ue1.adobe.io/ops/:create?respondWith=%7B%22reltype%22%3A%20%22http%3A%2F%2Fns.adobe.com%2Frel%2Fprimary%22%7D"

payload = {
    "cpf:engine": {
        "repo:assetId": "urn:aaid:cpf:Service-26c7fda2890b44ad9a82714682e35888"
    },
    "cpf:inputs": {
        "params": {
            "cpf:inline": {
                "targetFormat": "docx"
            }
    },
    "documentIn": {
        "dc:format": "application/pdf",
        "cpf:location": "InputFile0"
    }
    },
    "cpf:outputs": {
        "documentOut": {
            "dc:format": "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
            "cpf:location": "/path_to_the_output_file/output.docx"
        }
    }
}

pdf_file = {"InputFile0": open('/path_to_the_pdf_file/mypdf.pdf','rb')}

headers = {
  'Authorization': 'Bearer My_bearer_tok',
  'Accept': 'application/json, text/plain, */*',
  'x-api-key': 'eb78dc9d04e54f10be1fd2189d91f8c9',
  'Prefer': 'respond-async,wait=0'
}

body = {"contentAnalyzerRequests": json.dumps(payload)}

response = requests.post(url=url, headers=headers, data=body, files=pdf_file)
print(response.text)
print(response.headers)
print(response.status_code)

time.sleep(5)

poll = True
while poll:
    new_request = requests.get(response.headers['location'], headers=headers)
    if new_request.status_code == 200:
        with open('test.docx', 'wb') as f:
            f.write(bytes(new_request.content))
        poll = False
    else:
        time.sleep(5)

在代码的最后一部分，我还尝试了有关如何保存文件的两个建议：

with open('test.docx', 'wb') as f:
    f.write(new_request.content)

with open('test.docx', 'wb') as f:
    f.write(bytes(new_request.content))

但似乎没有一个工作。 我还想评论一下，我能够使用 Adob​​e 从他们的网页手动将 pdf 转换为 docx 并使用 LibreOffice 加载它，但我需要能够自动执行此操作。

更新 1：我尝试使用 Microsoft Word 从 Windows 笔记本电脑打开 docx 文件，它还抱怨文档包含无法识别的信息，但最终能够显示 docx 文档。

更新 2：也可以使用 python pdf2docx 包打开生成的 docx。

所以，欢迎任何关于可能发生的事情的想法（也许这是预期的行为），谢谢！

Answer 1

据我所知，您正在“按原样”获取响应并保存它，但响应实际上是一个多部分表单响应。 您必须先对其进行解析，并且其中包含数据的实际位。 多部分响应包括 json 信息 + 二进制文件，这就是您需要解析它的原因。