https://www.cnblogs.com/Ting-light/p/9548127.html
#!python3
#-*- coding:utf8 -*-
#PyPDF2可能会打不开某些pdf文档,也不能提取图片,图表或者其他媒介从PDF文件中。但是它能提取文本从PDF中,转化为字符。
import PyPDF2
#以二进制方式 读模式打开一个pdf文件
pdfFileObj=open('e:\work\data_service.pdf','rb')
#读取pdf文档
pdfReader=PyPDF2.PdfFileReader(pdfFileObj)
#返回的是pdf文档的总页数
print(pdfReader.numPages)
#获取单页的内容,页码数从0开始
pageObj=pdfReader.getPage(0)
#返回单页的文本内容
pageObj.extractText()
#对于有加密的pdf文档其读对象有属性 isEncrypted
print(pdfReader.isEncrypted) #若有加密,则属性值为True。直接获取某页的文本内容会报错。
#通过方法decrypt()传递解密密码后可正常获取文本内容,密码以字符串形式传入。
#pdfReader.decrypt('rosebud')
#写pdf文档
#创建pdf写对象
pdfWriter=PyPDF2.PdfFileWriter()
for pageNum in range(pdfReader.numPages):
pageObj=pdfReader.getPage(pageNum)
#向pdf写对象里添加内容(内容为pdf某个页面对象)
pdfWriter.addPage(pageObj)
#pdfWriter.addPage(pdfReader.getPage(3))
#创建新的pdf文件
pdfOutputFile=open('combinedminutes.pdf','wb')
#将pdf写对象中的内容加进新建的pdf文件中
#pdfWriter.write(pdfOutputFile) 此语句写入失败
#写完后关闭pdf文件
pdfOutputFile.close()
#word文档读写
import docx
doc=docx.Document('C:\\Users\\li.wu\\Desktop\\有趣的植物.docx')
#文档的总段落数
print(len(doc.paragraphs))
#可以一段一段的返回文本内容
print(doc.paragraphs[0].text)
#'第一章\xa0\xa0了解MySQL'
#每个段落都有一个runs属性,runs的长度表示这个段落的格式的变化次数。
len(doc.paragraphs[1].runs)
#10
#每个runs元素也都有一个text属性
print(doc.paragraphs[1].runs[0].text)
#'\xa0\xa0\xa0'
#如果只关心文档中的内容,不在意格式的话,可以写一个函数直接获取整段文本:
def getText(filename):
doc=docx.Document(filename)
fullText=[]
for para in doc.paragraphs:
fullText.append(para.text)
return '\n'.join(fullText)
a=getText('e:\work\mysqll.docx')
print(a.encode('utf-8'))
'''
默认的字体的类型有:
'Normal' 'Heading5' 'ListBullet' 'ListParagraph' 'BodyText' 'Heading6' 'ListBullet2' 'MacroText' 'BodyText2' 'Heading7'
'ListBullet3' 'NoSpacing' 'BodyText3' 'Heading8' 'ListContinue' 'Quote' 'Caption' 'Heading9' 'ListContinue2' 'Subtitle'
'Heading1' 'IntenseQuote' 'ListContinue3' 'TOCHeading' 'Heading2' 'List' 'ListNumber' 'Title' 'Heading3' 'List2'
'ListNumber2' 'Heading4' 'List3' 'ListNumber3'
'''
#有3种类型的风格,段落风格可以应用于Paragraph对象,个性风格可以应用于Run对象。关联风格可以应用于前两种风格。
#设置风格属性时,风格类型名中间不要使用空格,例Subtle Emphasis ,入参应写成'SubtleEmphasis'
#Paragraph和Run对象都有属相style,通过设置style的值可以设置段落和文字的格式。
#当使用关联风格属性应用于Run对象时,需要在风格名后加上’Char'。例如要将Quote类的关联风格应用于Paragraph对象时,使用paragraphObj.style='Quote',
#但是应用于Run对象时,应该使用runObj.style='QuoteChar'.
#目前的Python-Docx(0.7.4)只支持默认的word风格。
#run对象的text属性,每个text属相有三种值 True(打开) False(关闭) None(默认值)
#run对象的text属性:
'''
bold : The text appears in bold.
italic : The text appears in italic.
underline : The text is underlined.
strike : The text appears with strikethrough.
double_strike : The text appears with double strikethrough.
all_caps : The text appears in capital letters.
small_caps : The text appears in capital letters, with lowercase letters two points smaller.
shadow : The text appears with a shadow.
outline : The text appears outlined rather than solid.
rtl : The text is written right-to-left.
imprint : The text appears pressed into the page.
emboss : The text appears raised off the page in relief.
'''
doc.paragraphs[1].runs[0].underline=True
doc.save('restyled.docx')
#创建新的word文档
doc=docx.Document()
#添加段落
doc.add_paragraph('Hello world!')
a=doc.add_paragraph('this is a second paragraph')
#在段落后添加语句
a.add_run('This text is being addded to the second paragraph')
#添加段落时可设置段落格式
doc.add_paragraph('Hello world !','Title')
#add_heading()方法是以某一种标题格式添加一个段落数据范围从0~4,0是主标题,4是第4级副标题。
doc.add_heading('Header 0',0) #格式为标题1
doc.add_heading('Header 1',1) #格式为标题2
#通过在第一个末尾设置一个break,转到下一页
doc.paragraphs[2].runs[0].add_break(docx.enum.text.WD_BREAK.PAGE)
#Enumeration – WD_BREAK_TYPE
'''
WD_BREAK.LINE
WD_BREAK.LINE_CLEAR_LEFT
WD_BREAK.LINE_CLEAR_RIGHT
WD_BREAK.TEXT_WRAPPING (e.g. LINE_CLEAR_ALL)
WD_BREAK.PAGE
WD_BREAK.COLUMN
WD_BREAK.SECTION_NEXT_PAGE
WD_BREAK.SECTION_CONTINUOUS
WD_BREAK.SECTION_EVEN_PAGE
WD_BREAK.SECTION_ODD_PAGE
'''
doc.add_paragraph('This is on the second page!')
#添加图片到文档末尾(宽设置为4英寸,高设置为1厘米)高与宽可以不设置,则为常规大小。
doc.add_picture('e:\work\code.jpg',width=docx.shared.Inches(4),height=docx.shared.Cm(1))
doc.save('e:\work\helloworld.docx')