Flask开发PDF转DOCX工具，转换后生成的DOCX为空求助

1. 缺失关键配置与导入 #

你的代码未配置上传文件夹、允许的文件类型，也缺少必要依赖的导入语句，这会直接导致流程中断：

• 补充开头的导入代码：

import os
from flask import Flask, request, redirect, render_template, send_file, io
from werkzeug.utils import secure_filename
from flask_sqlalchemy import SQLAlchemy
import fitz  # PyMuPDF库
from docx import Document  # python-docx库

• 添加核心配置项：

app.config['UPLOAD_FOLDER'] = './uploads'
app.config['ALLOWED_EXTENSIONS'] = {'pdf'}

• 启动前自动创建上传文件夹：

if __name__ == '__main__':
    os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True)
    app.run(debug=True)

2. 冗余表单参数导致逻辑异常 #

上传函数里的docx_data参数检查完全多余——前端表单大概率没有这个字段，会直接触发跳转，跳过转换逻辑。即使侥幸执行，也可能因为参数为空导致后续异常。删掉该检查：

# 原代码
if not pdf_file or not allowed_file(pdf_file.filename) or not docx_data:
    return redirect(request.url)

# 修改后
if not pdf_file or not allowed_file(pdf_file.filename):
    return redirect(request.url)

3. PDF文本提取失败 #

如果你的PDF是扫描件（纯图片格式），PyMuPDF的get_text("text")无法提取任何内容，生成的DOCX自然为空：

• 先测试可复制文本的PDF，验证转换逻辑是否正常；
• 若需处理扫描件，需额外集成OCR工具（如pytesseract）提取图片中的文字。

4. 文件命名与路径优化 #

原代码生成的DOCX文件名是原PDF名.pdf.docx（比如test.pdf.docx），既不美观也容易混淆，修正命名逻辑：

# 原代码
docx_path = os.path.join(app.config['UPLOAD_FOLDER'], f"{filename}.docx")

# 修改后
docx_path = os.path.join(app.config['UPLOAD_FOLDER'], f"{os.path.splitext(filename)[0]}.docx")

修复后的核心上传函数片段 #

@app.route('/', methods=['GET', 'POST'])
def upload_file():
    if request.method == 'POST':
        pdf_file = request.files.get('file')

        if not pdf_file or not allowed_file(pdf_file.filename):
            return redirect(request.url)

        filename = secure_filename(pdf_file.filename)
        pdf_path = os.path.join(app.config['UPLOAD_FOLDER'], filename)
        docx_path = os.path.join(app.config['UPLOAD_FOLDER'], f"{os.path.splitext(filename)[0]}.docx")

        pdf_file.save(pdf_path)
        print(f"PDF file saved to: {pdf_path}")
        pdf_to_docx(pdf_path, docx_path)

        # 检查DOCX是否为空，提前拦截异常
        if os.path.getsize(docx_path) == 0:
            print("转换后的DOCX文件为空")
            return redirect(request.url)

        pdf_file_data = open(pdf_path, 'rb').read()
        upload = PDFFile(filename=filename, data=pdf_file_data)
        db.session.add(upload)
        db.session.commit()

        docx_file_data = open(docx_path, 'rb').read()
        docx_filename = os.path.basename(docx_path)
        upload = PDFFile(filename=docx_filename, data=docx_file_data)
        db.session.add(upload)
        db.session.commit()

        return render_template('main_page.html', download_filename=docx_filename)

    return render_template('main_page.html')

内容的提问来源于stack exchange，提问作者Bogdan Andrei