将问题识别为图片，且图片插入在表格内导致无法正常显示 about pdf2docx

[dothinking]

根据你的描述，貌似中间部分有较多直线曲线，导致程序以为这是一副矢量图，所以就直接截图了。

不知是否方便提供测试文件，github个人页面上可以看到我的邮箱。如果不便公开具体内容，可以尝试用word创建一个类似版式的文件，然后转pdf作为测试文件，看能否复现问题。了解具体的版式有助于解决这个问题，同时使这个转换工具更健壮。谢谢。

[harrylyf]

您好，我尝试用word复现类似板式的文件后发现，该图片实则为扫描件。根据之前solved的issue，目前pdf2docx好像还不支持扫描件。
我已经得到了base64格式的图片，想尝试自己添加图片进入到json file中，但是失败了。我的代码如下

{
    "filename": "test.pdf",
    "page_num": 1,
    "pages": [
        {
            "id": 0,
            "width": 595.5,
            "height": 842.2,
            "margin": [
                0.0,
                0.0,
                2.5,
                2.0
            ],
            "blocks": [
                {
                    "bbox": [
                        44.0,
                        335.8,
                        523.1,
                        698.7
                    ],
                    "type": 4,
                    "alignment": 0,
                    "left_space": 0,
                    "right_space": 0,
                    "first_line_space": 0.0,
                    "before_space": 0.0,
                    "after_space": 0.0,
                    "line_space": 0.0,
                    "tab_stops": [],
                    "left_space_total": 0.0,
                    "right_space_total": 0.0,
                    "ext": "jpeg",
                    "width": 2555,
                    "height": 1935,
                    "image": xxxxx
                }
            ],
            "shapes": []
        }
    ]
}

filename = 'test.pdf'
cv = Converter(filename)
cv.deserialize('test.json')
cv.make_docx('test.docx')

生成的docx为空白文档。请问这应该如何解决呢

[dothinking]

是的，目前还不支持扫描件。

对于已经得到json文件再重建docx的问题，的确是pdf2docx的一个bug，参考下面步骤改一下源码可以解决：

1. 找到Blocks.py文件（可以按下面方法查看文件路径）

>>> import pdf2docx
>>> pdf2docx.page.Blocks.__file__
'd:\\21_github\\pdf2docx\\pdf2docx\\page\\Blocks.py'

2. 定位到restore()方法的第116行左右，按下面注释增加一行

# floating image block
elif block_type == BlockType.FLOAT_IMAGE.value:
    block = ImageBlock(raw_block)
    block.set_float_image_block()
    self.floating_image_blocks.append(block)  # 增加这一行

修改后重新运行你的代码即可。

[dothinking]

另外，如果只是将PDF扫描件的图片原封不动地插入到新的word中，可以不用使用pdf2docx；建议用PyMuPDF读取图片，然后用python-docx创建word和插入图片，这样可能灵活性高些。

[harrylyf]

谢谢，我刚才试了一下，可以了！

[dothinking]

不客气，也感谢你发现这个问题 :)