PDF to DOCX Converter (Interfaz GUI)

Convierte PDFs a DOCX manteniendo texto, formato e imágenes

Descripción

Está pensada para uso en Windows.

• convertir_pdf_a_docx_v5.py — Versión que usa Microsoft Word (COM via pywin32) para la conversión. Recomendado para mantener formato e imágenes exactamente.

Lee PREREQUISITES.md antes de ejecutar para ver dependencias y requisitos del sistema.

Características principales

• Interfaz gráfica simple para seleccionar el PDF de entrada y la ruta/nombre del DOCX de salida.
• Barra de progreso y mensajes de estado.
• Soporte para:
  • Mantener formato y estilo
  • Mantener imágenes
  • Usar Microsoft Word para conversión exacta (v5)

Instalación (rápida)

1. Clona o sube este repositorio a tu máquina Windows.
2. Abre PowerShell en la carpeta del proyecto.
3. (Opcional) crea y activa un entorno virtual.

Instala dependencias (ver requirements.txt):

# Usando el ejecutable Python detectado en tu sistema (ejemplo C:/Python313/python.exe)
python -m pip install -r requirements.txt

Si prefieres instalar paquetes manualmente (ejemplo):

python -m pip install pdf2docx PyPDF2 python-docx aspose-words pywin32

Nota: aspose-words puede requerir licencia para uso comercial o funcionalidades avanzadas.

Uso

Ejecuta la versión que prefieras, por ejemplo (PowerShell):

# Versión recomendada para fidelidad (requiere Word)
python convertir_pdf_a_docx_v5.py

# Versión que extrae texto (sin imágenes)
python convertir_pdf_a_docx_v2.py

La interfaz abrirá una ventana. Usa los botones "Examinar" para seleccionar el PDF y para elegir dónde guardar el DOCX. Presiona "Convertir" para iniciar.

Ejemplos de flujo

1. convertir_pdf_a_docx_v5.py (Word): abre la interfaz → selecciona PDF → elige DOCX de salida → Convertir → Word hará la conversión y guardará el .docx.

Troubleshooting (problemas comunes)

• Error: 'Rect' object has no attribute 'get_area' — causados por ciertos tipos de objetos en PDFs que pdf2docx intenta leer. Soluciones:

  • Prueba convertir_pdf_a_docx_v2.py (extrae texto) o convertir_pdf_a_docx_v5.py (usa Word).
  • Asegúrate de que el PDF no esté protegido.
  • Si el PDF es una imagen escaneada, usa OCR primero (p. ej. Tesseract) para extraer texto.

• Error al ejecutar v5 sobre COM/Word:

  • Asegúrate de tener Microsoft Word instalado.
  • Cierra instancias abiertas de Word antes de usar la aplicación.
  • Ejecuta PowerShell como usuario con permisos para automatizar Word.

Archivos del repositorio

• convertir_pdf_a_docx_v5.py — versión recomendada usando Microsoft Word (mantiene formato e imágenes)
• README.md — este archivo
• PREREQUISITES.md — lista de requisitos
• requirements.txt — manifiesto de dependencias

Contribuir

1. Haz un fork del repositorio.
2. Crea una rama nueva para tu cambio.
3. Haz commits claros y descriptivos.
4. Abre un Pull Request explicando los cambios.

Licencia

Licencia GNU