如何用LibreOffice将可选文本PDF转为纯文本DOCX？

调整LibreOffice PDF导入参数 #

LibreOffice的writer_pdf_import过滤器默认会保留PDF原布局，将文本放入文本框中。你可以通过添加ImportTextIntoFrames=false参数，强制将文本转为流式普通段落，避免文本框问题。

直接转换命令 #

替换原命令为以下内容：

libreoffice --headless --infilter="writer_pdf_import:ImportTextIntoFrames=false" --convert-to docx --outdir /pdfOutput myPdf.pdf

补充参数（若上述命令无效） #

如果遇到配置加载干扰，可添加--norestore参数：

libreoffice --headless --norestore --infilter="writer_pdf_import:ImportTextIntoFrames=false" --convert-to docx --outdir /pdfOutput myPdf.pdf

备选方案：分两步转换（PDF→ODT→DOCX） #

部分LibreOffice版本对ODT格式的PDF导入支持更稳定，可拆分转换流程：

# 第一步：将PDF转换为ODT
libreoffice --headless --infilter="writer_pdf_import:ImportTextIntoFrames=false" --convert-to odt --outdir /tmp myPdf.pdf
# 第二步：将ODT转换为DOCX
libreoffice --headless --convert-to docx --outdir /pdfOutput /tmp/myPdf.odt

替代工具方案（若LibreOffice仍不满足需求） #

如果上述方法无效，可先用pdftotext提取纯文本，再用pandoc生成DOCX：

# 提取PDF中的纯文本
pdftotext myPdf.pdf myPdf.txt
# 将纯文本转换为DOCX格式
pandoc -s myPdf.txt -o /pdfOutput/myPdf.docx

内容的提问来源于stack exchange，提问作者user2757185