📄 DOCX → PDF Converter PRO

Высокопроизводительный конвертер документов Microsoft Word в PDF с поддержкой параллельной обработки, кроссплатформенности и автоматической записи метаданных.

✨ Возможности

🚀 Производительность

Параллельная обработка — используйте несколько процессов для одновременной конвертации файлов
ProcessPoolExecutor — безопасная работа с Word COM через отдельные процессы
Экспоненциальный backoff — интеллектуальные повторные попытки при ошибках
Graceful shutdown — корректное завершение по Ctrl+C без потери данных
Прогресс-бар — наглядное отображение процесса конвертации

🌍 Кроссплатформенность

Платформа	Бэкенд	Статус
🪟 Windows	Microsoft Word COM	✅ Полная поддержка
🪟 Windows	LibreOffice	✅ Полная поддержка
🐧 Linux	LibreOffice	✅ Полная поддержка
🍎 macOS	LibreOffice	✅ Полная поддержка

📝 Метаданные PDF

Автоматическая запись метаданных в созданные PDF-файлы:

Поле	Описание
Author	Автор документа
Title	Название документа
Subject	Тема документа
Keywords	Ключевые слова
Creator	Программа-создатель
Organization	Организация

🛠️ Гибкая конфигурация

Настройка через config.py или аргументы CLI
Режим dry-run для предпросмотра без конвертации
Режим resume для продолжения прерванной конвертации
Режим overwrite для перезаписи существующих файлов
Настраиваемый таймаут для предотвращения зависаний

📦 Установка

Требования

Python 3.10 или выше
Microsoft Word (Windows) или LibreOffice (все платформы)

Шаг 1: Клонирование репозитория

git clone https://github.com/okovalyoff/docx2pdf.git
cd docx2pdf-converter

Шаг 2: Создание виртуального окружения

# Windows
python -m venv venv
venv\Scripts\activate

# Linux / macOS
python3 -m venv venv
source venv/bin/activate

Шаг 3: Установка зависимостей

pip install -r requirements.txt

Зависимости

tqdm>=4.65.0          # Прогресс-бары
pywin32>=305          # Windows Word COM (только Windows)
psutil>=5.9.0         # Управление процессами
pypdf>=3.0.0          # Работа с метаданными PDF

🚀 Использование

Базовый запуск

python main.py

С указанием директорий

python main.py --input ./documents --output ./pdf

Ключи командной строки

Ключ	Сокращение	Описание
`--input`	`-i`	Входная директория с DOCX файлами
`--output`	`-o`	Выходная директория для PDF файлов
`--workers`	`-w`	Количество параллельных процессов
`--timeout`		Таймаут на файл (секунды)
`--verbose`	`-v`	Детальный вывод
`--dry-run`		Предпросмотр без конвертации
`--overwrite`		Перезаписывать существующие файлы
`--resume`		Пропускать уже сконвертированные (по умолчанию)
`--no-report`		Не создавать CSV отчёт
`--word`		Использовать Word COM (Windows)
`--libreoffice`		Использовать LibreOffice

Примеры

# Предпросмотр файлов для конвертации
python main.py --dry-run

# Параллельная конвертация с 4 воркерами через LibreOffice
python main.py --workers 4 --libreoffice

# Перезаписать все PDF файлы с детальным выводом
python main.py --overwrite --verbose

# Конвертация с таймаутом 60 секунд на файл
python main.py --timeout 60

⚙️ Конфигурация

Файл config.py

# Входная и выходная директории
INPUT_DIR = Path(r"C:\Users\...\Documents\docx")
OUTPUT_DIR = Path(r"C:\Users\...\Documents\pdf")

# Количество параллельных процессов
MAX_WORKERS = 2

# Бэкенд по умолчанию: "word", "libreoffice", "auto"
DEFAULT_BACKEND = "word"

# Метаданные PDF
METADATA_CONFIG = MetadataConfig(
    author="Ваше Имя",
    organization="Название организации",
    subject="Тема документа",
    keywords="ключевые, слова"
)

# Записывать метаданные в PDF
WRITE_METADATA = True

📁 Структура проекта

docx2pdf/
├── main.py                    # Точка входа
├── config.py                  # Конфигурация
├── requirements.txt           # Зависимости
│
├── converters/                # Модуль конвертеров
│   ├── __init__.py
│   ├── base.py                # Базовый абстрактный класс
│   ├── factory.py             # Фабрика конвертеров
│   ├── word.py                # Windows Word COM бэкенд
│   └── libreoffice.py         # LibreOffice бэкенд
│
├── utils/                     # Служебные модули
│   ├── __init__.py
│   ├── cli.py                 # Парсер аргументов CLI
│   ├── logger.py              # Настройка логирования
│   ├── scanner.py             # Сканирование файлов
│   └── word_utils.py          # Утилиты для работы с Word
│
└── output/                    # Модули вывода
    ├── __init__.py
    ├── report.py              # Генерация CSV отчётов
    └── pdf_metadata.py        # Работа с метаданными PDF

Архитектура

┌─────────────────────────────────────────────────────────┐
│                         main.py                         │
│                    (Точка входа, CLI)                   │
└─────────────────────────────────────────────────────────┘
                              │
          ┌───────────────────┼───────────────────┐
          ▼                   ▼                   ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│   converters/   │ │     utils/      │ │     output/     │
│                 │ │                 │ │                 │
│ • base.py       │ │ • cli.py        │ │ • report.py     │
│ • factory.py    │ │ • logger.py     │ │ • pdf_metadata  │
│ • word.py       │ │ • scanner.py    │ │                 │
│ • libreoffice   │ │ • word_utils.py │ │                 │
└─────────────────┘ └─────────────────┘ └─────────────────┘
          │
          ▼
┌─────────────────────────────────────────────────────────┐
│                    Бэкенды конвертера                   │
│                                                         │
│   ┌─────────────────┐             ┌─────────────────┐   │
│   │    Word COM     │             │   LibreOffice   │   │
│   │   (Windows)     │             │  (Cross-plat)   │   │
│   └─────────────────┘             └─────────────────┘   │
└─────────────────────────────────────────────────────────┘

🔧 Расширенные возможности

Проверка метаданных PDF

from output.pdf_metadata import print_metadata
from pathlib import Path

print_metadata(Path("документ.pdf"))

Вывод:

📄 Метаданные: документ.pdf
--------------------------------------------------
  Автор: Пупкин Василий
  Название: документ
  Тема: Меню-требование
  Ключевые слова: меню, столовая, питание
  Организация: ООО «Столовая № 1»

Программное использование

from pathlib import Path
from converters import create_converter, ConverterBackend

# Создание конвертера
converter = create_converter(
    backend=ConverterBackend.WORD_COM,
    input_root=Path("./documents"),
    output_root=Path("./pdf"),
    retry_count=3,
    timeout=120
)

# Конвертация одного файла
result = converter.convert(Path("./documents/file.docx"))

print(f"Статус: {result.status.value}")
print(f"Время: {result.duration_seconds:.2f} сек")

CSV отчёт

После конвертации создаётся файл report.csv:

file,status,error,duration_sec
document1.docx,success,,45.23
document2.docx,success,,38.15
document3.docx,failed,Ошибка доступа,0.00

🎯 Производительность

Тестовые данные

Параметр	Значение
Количество файлов	6
Средний размер файла	46.8 KB
Содержимое	5 страниц таблиц
Платформа	Windows 11

Результаты

Конфигурация	Время	Скорость
1 воркер, Word COM	392 сек	65 сек/файл
2 воркера, Word COM	~200 сек	~33 сек/файл

🐛 Устранение неполадок

Word COM не найден (Windows)

❌ Нет доступного бэкенда конвертера!

Решение: Убедитесь, что Microsoft Word установлен и активирован.

LibreOffice не найден

Решение: Установите LibreOffice и убедитесь, что soffice доступен в PATH:

# Linux
sudo apt install libreoffice

# macOS
brew install --cask libreoffice

Ошибка доступа к файлу

[WinError 5] Отказано в доступе

Решение: Скрипт автоматически повторяет запись с задержкой. Если ошибка сохраняется — закройте все экземпляры Word и повторите.

Медленная конвертация

Уменьшите количество воркеров
Увеличьте таймаут для больших файлов
Проверьте свободное место на диске

📋 Сравнение бэкендов

Характеристика	Word COM	LibreOffice
Платформа	Только Windows	Все платформы
Скорость запуска	Быстро	Медленнее
Качество PDF	Отличное	Хорошее
Параллелизм	1-3 воркера	2-4 воркера
Форматирование	Идеальное	Хорошее
Зависимости	MS Office	LibreOffice

📄 Лицензия

Этот проект распространяется под лицензией MIT. Подробнее см. в файле LICENSE.

👤 Автор

Олег Ковалев

GitHub: @okovalyoff
Telegram: @Oleg_K79
E-mail: o.kovalyoff@gmail.com

🙏 Благодарности

pythoncom/pywin32 — работа с Windows COM
pypdf — манипуляция PDF метаданными
tqdm — красивые прогресс-бары
LibreOffice — кроссплатформенная конвертация

⭐ Если проект был полезен, поставьте звезду!

Конфигурация	Воркеров	Пояснение
2-4 GB RAM	1	Минимальная нагрузка
8 GB RAM	1-2	Рекомендуется
16 GB RAM	2-3	Оптимально
32+ GB RAM	3-4	Максимальная производительность

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
converters		converters
output		output
utils		utils
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
config.py		config.py
main.py		main.py
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation