Google Colab使用pdf2docx转Word报rotationMatrix属性错误解决方法

在Google Colab平台运行PDF转Word代码时，此前可正常执行的逻辑近期在cv.convert()转换步骤抛出AttributeError，提示'Page' object has no attribute 'rotationMatrix'。
待转换的Apollo 2019.pdf为企业股东大会议案文档，核心包含四项议案：

• 审议批准2019财年末（2019年3月31日）经审计的公司单独财务报表、合并财务报表及对应的董事会报告、审计师报告
• 宣告2019财年每股权益派息3.25
• 审议轮任退任董事Robert Steinmetz（DIN: 00178792）的重新聘任特别决议
• 审议轮任退任董事Francesco Gori（DIN: 07413105）的重新聘任议案

原实现代码 #

!pip install python-docx
!pip install pdf2docx

from pdf2docx import Converter
from docx import Document

from google.colab import drive
drive.mount('/content/drive/')

file_name='/content/drive/MyDrive/Colab Notebooks/PDF files/Apollo 2019.pdf'
word_name='Apollo 2019.docx'

cv=Converter(file_name)
cv.convert(word_name)
cv.close()

核心报错信息 #

# Element is a base class processing coordinates, so set rotation matrix globally
--> 279         Element.set_rotation_matrix(self.fitz_page.rotationMatrix)
280
281         return raw_layout
AttributeError: 'Page' object has no attribute 'rotationMatrix'

该报错是依赖版本不匹配导致：pdf2docx底层依赖PyMuPDF（别名fitz）做PDF解析，新版PyMuPDF将Page对象的驼峰命名属性rotationMatrix更改为蛇形命名rotation_matrix，Colab环境近期自动拉取了新版PyMuPDF，但已安装的pdf2docx版本未适配该接口变更，调用旧属性名时触发属性不存在错误。

• 固定兼容依赖版本（稳定性最高，无需修改业务逻辑）
  先卸载当前不匹配的依赖，再安装经过验证的版本组合，安装完成后重启Colab运行时即可直接运行原有转换代码：

  !pip uninstall -y pymupdf pdf2docx python-docx
  !pip install python-docx==0.8.11
  !pip install pymupdf==1.19.2
  !pip install pdf2docx==0.5.6
  

• 热修复适配新版依赖（无需降级依赖）
  如果需要保留新版PyMuPDF的特性，可在初始化转换类前添加属性映射补丁，将旧属性名指向新接口，修改后的完整代码如下：

  !pip install python-docx
  !pip install pdf2docx
  import fitz
  # 补全新旧版本属性映射
  fitz.Page.rotationMatrix = property(lambda self: self.rotation_matrix)
  
  from pdf2docx import Converter
  from docx import Document
  from google.colab import drive
  drive.mount('/content/drive/')
  
  file_name='/content/drive/MyDrive/Colab Notebooks/PDF files/Apollo 2019.pdf'
  word_name='Apollo 2019.docx'
  
  cv=Converter(file_name)
  cv.convert(word_name)
  cv.close()
  

• 升级pdf2docx到最新适配版本
  直接升级pdf2docx到官方最新版，官方已在新版本中完成PyMuPDF新接口的适配，升级完成后重启运行时即可运行原代码：

  !pip install -U pdf2docx python-docx
  

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