Python操作Word模块库文档
python文档 — python-docx 0.8.11 文档 (osgeo.cn)
python-docx — python-docx 0.8.11 documentation
Word转换PDF
使用office组件将word转换成PDF文件（缺点：只支持windows平台）
原理：使用python win32 库 调用word底层vba，将word转成pdf
安装
pip install pywin32
本地选装 office 套件,可以安装比较稳定的版本
常用方法与属性
| 函数名&属性&类 | 含义 |
| win32com.client.gencache.EnsureDispatch() | 设置word应用 |
| ensureDispatch.Documents.Open(path) | 读取数据 |
| doc.ExportAsFixedFormat(pdfPath) | 导出数据 |
代码
from win32com.client import gencache from win32com.client import constants,gencache def createPdf(wordPath, pdfPath): """ word转pdf :param wordPath: word文件路径 :param pdfPath: 生成pdf文件路径 """ word = gencache.EnsureDispatch('Word.Application') doc = word.Documents.Open(wordPath,ReadOnly=1) doc.ExportAsFixedFormat(pdfPath, constants.wdExportFormatPDF, Item=constants.wdExportDocumentWithMarkup, CreateBookmarks=constants.wdExportCreateHeadingBookmarks) word.Quit(constants.wdDoNotSaveChanges) if __name__ == "__main__": # 路径填写绝对路径 createPdf( r'D:\code\python\auto_code_word\base_data\原数据.docx',r'D:\code\python\auto_code_word\create_data \10_word转换成pdf.pdf' ) # 命令要安装pywin32模块,命令：pip install pywin32
PDF读取内容
安装
pip install pypdf2
pip install pdfplumber
常用方法与属性
| 函数名&属性&类 | 含义 |
| PyPDF2.PdfFileReader(file) | 读取PDF |
| pdf.getNumPages() | 获取总页码 |
| pdf.getPage(num) | 获取第num页数据 |
| page.extractText() | 获取页面数据 |
代码
#pip install pypdf2 from PyPDF2 import PdfFileReader def read_pdf1(): # 打开文件 with open('./base_data/10_word转换成pdf.pdf','rb') as f: # 将打开的文件传递给Reader对象 reader = PdfFileReader(f) # 获取页面的总页数 number = reader.getNumPages() print(number) # 获取单页 page = reader.getPage(0) # 提取文本 info = page.extractText() print(info) # pip install pdfplumber def read_pdf2(): import pdfplumber # 打开文件 with pdfplumber.open('./base_data/10_word转换成pdf.pdf') as f: # 获取数据 print(f.pages) for p in f.pages: print(p.extract_text()) if __name__ =='__main__': # read_pdf1() read_pdf2()
PDF合并文件
在工作时，有时会碰到多个同类型内容的PDF文件，页码数又少，一个一个的打开又比较麻烦。这时应该如何处理呢？
这时就需要一个合并PDF的操作，而合并PDF操作的思路是：
1、读取源PDF文件
2、写入到一个新的PDF文件中
常用方法与属性
| 函数名&属性&类 | 含义 |
| PyPDF2.PdfFileWriter() | 创建一个pdf文件 |
| write.addPage(page) | 增加一页数据 |
代码
def merger_file(*m_path): from PyPDF2 import PdfFileReader,PdfFileWriter # 创建一个写入的对象 writer = PdfFileWriter() # 读数据 for path in m_path: # 创建reader reader = PdfFileReader(open(path,'rb')) # 读取页面数据 for p in reader.pages: # 写新的pdf writer.addPage(p) # 保存 with open('./create_data/02_合并pdf.pdf','wb') as f: writer.write(f) if __name__ =='__main__': path = r'.\base_data\10_word转换成pdf.pdf' merger_file(path,path,path)
Python办公自动化【Word转换PDF、PDF读取内容、PDF合并文件、PDF拆分文件、PDF加密文件、PPT基本操作-增加幻灯片、增加内容】(六)-全面详解（学习总结---从入门到深化）（下）：https://developer.aliyun.com/article/1420338
