### 使用Python调用大模型实现Word和PDF文档转换为JSON格式 对于将Word或PDF文档中的文本和表格转换成JSON格式的任务，可以借助多种Python库和技术来完成。这里介绍一种方法，该方法结合了`pandas`用于处理表格数据、`PyMuPDF`用于读取PDF文件以及可能的大规模预训练模型来进行更复杂的结构化数据分析。 #### 处理PDF文档并提取文本与图像 为了从PDF中抽取所需的信息，可采用`PyMuPDF`这个强大的第三方模块[^1]： ```python import fitz # PyMuPDF def extract_pdf_info(pdf_path): doc = fitz.open(pdf_path) text_list, image_list = [], [] for page_num in range(len(doc)): page = doc.load_page(page_num) text_list.append(page.get_text()) # 提取纯文本 images = page.get_images(full=True) for img_index, img in enumerate(images): base_image = doc.extract_image(img[0]) image_data = base_image["image"] with open(f"page{page_num}_img{img_index}.png", "wb") as f: f.write(image_data) return {"text": "\n".join(text_list), "images": image_list} ``` 此函数会遍历每一页的内容并将它们作为字符串列表返回；同时也保存页面上的所有图片到本地磁盘。 #### 解析Word文档获取内容 针对Microsoft Word(.docx)类型的文件，则推荐使用`python-docx`库来访问其内部元素： ```python from docx import Document def parse_docx(file_path): document = Document(file_path) paragraphs = [] tables = [] for para in document.paragraphs: paragraphs.append(para.text) for table in document.tables: rows = [[cell.text for cell in row.cells] for row in table.rows] tables.append(rows) result_dict = { 'paragraphs': paragraphs, 'tables': tables } return result_dict ``` 上述代码片段展示了怎样通过迭代段落对象收集正文部分的数据，并且同样地对表格外层循环以获得二维数组形式表示的单元格值集合。 #### 将提取的结果转化为JSON格式 一旦拥有了来自两种源格式（即DOCX/PDF）的文字描述及表格记录之后，下一步就是把这些信息整理进易于计算机理解的标准交换媒介——JavaScript Object Notation (JSON): ```json { "source_type": "pdf_or_word", "content": [ ... ], "table_data":[ [...], ... ] } ``` 下面是具体的编码方式: ```python import json def convert_to_json(data_structure, source='unknown'): output = {} if isinstance(data_structure, dict): # 对于字典类型输入直接赋值 output.update(data_structure) elif hasattr(data_structure, '__iter__') and not isinstance(data_structure, str): content_parts = list(filter(None,map(str.strip,data_structure))) output['content'] = '\n'.join(content_parts).splitlines() output['source_type'] = source.lower() return json.dumps(output, ensure_ascii=False, indent=2) if __name__ == "__main__": pdf_result = extract_pdf_info('example.pdf') word_result = parse_docx('sample.docx') combined_output = {'text':[],'tables':[]} if 'text' in pdf_result: combined_output['text'].extend([line for line in pdf_result['text'].split('\n')]) if 'paragraphs' in word_result: combined_output['text'].extend(word_result['paragraphs']) if 'tables' in word_result: combined_output['tables'].extend(word_result['tables']) final_json_string = convert_to_json(combined_output,'mixed') print(final_json_string) ``` 这段脚本首先定义了一个辅助函数`convert_to_json()`用来接受任意复杂度的对象并通过适当调整使其适应目标输出模式的要求。接着分别调用了之前编写的两个主要功能函数(`extract_pdf_info()`, `parse_docx`)去加载实际待处理材料，最后把两者得到的结果汇总起来形成统一的整体再传递给转换器生成最终版本的JSON串。