Python办公自动化（未完，待续）

目录

5  PDF自动化

5.4  pypdf2工具

5.4.1  工具使用说明

5.4.2  PDF旋转

​

5.4.3  PDF合并

5.4.4  PDF拆分

5.4.5  提取文本

6  PPT自动化

6.1  工具使用说明

6.2  添加文本框

6.3  添加图片

---

5  PDF自动化

操作PDF的几种常用工具：

• pdfminer：提取文本；解析PDF是一件耗时和耗内存的工作，PDFMiner库使用了lazy parsing的策略，也就是只在需要的时候才去解析（减少时间和内存的使用）
  参考链接：http://euske.github.io/pdfminer/programming.html
• pdf2htmlEX：将pdf格式转换成html格式，然后再提取信息（注：此工具目前不再维护）
• pdfplumber：提取完整表格
• pypdf2：旋转、合并、拆分PDF

5.4  pypdf2工具

5.4.1  工具使用说明

pypdf2工具不太擅长细节操作（文本提取），但是对于整体操作（PDF旋转、合并、拆分）比较擅长。

• PDF读模块：PdfFileReader，该对象的属性与方法如下
  .numPages：获取PDF的页数
  .getPage()：获取PDF页面对象

• PDF写模块：PdfFileWriter

from PyPDF2 import PdfFileReader, PdfFileWriter

5.4.2  PDF旋转

def PDFrotate(input_file, output_file, rotation):
    oldFile = open(input_file,'rb')
    pdfReader = PdfFileReader(oldFile)
    pdfWriter = PdfFileWriter()
    # 对每一页进行旋转（读取-->旋转-->输出）
    for i in range(pdfReader.numPages):
        pageObj = pdfReader.getPage(i)  # 读取
        pageObj.rotateClockwise(rotation)  # 旋转
        pdfWriter.addPage(pageObj)  # 输出
    # 保存文件
    newFile = open(output_file,'wb')
    pdfWriter.write(newFile)
    oldFile.close()
    newFile.close()

PDFrotate('PDF_source/course.pdf', 'PDF_result/course_rotate.pdf', 270)

 运行结果：

5.4.3  PDF合并

def PDFmerge(input_file, output_file):
    pdfWriter = PdfFileWriter()
    for path in input_file:
        oldFile = open(path,'rb')
        pdfReader = PdfFileReader(oldFile)
        for i in range(pdfReader.numPages):
            pageObj = pdfReader.getPage(i)
            pdfWriter.addPage(pageObj)
#         oldFile.close()  # 加上这一行代码：既不会报错，也会生成PDF，但是PDF无内容

    # 保存文件    
    newFile = open(output_file, 'wb')
    pdfWriter.write(newFile)
    oldFile.close() 
    newFile.close()
    
PDFmerge(['PDF_source/course.pdf', 'PDF_source/2018高新认证名单.pdf'], 'PDF_result/course_merge.pdf')

注：oldFile执行close()方法必须在pdfWriter.write()之后，否则一旦将oldFile close掉，pdfWriter中的文本就会丢失。

运行结果：

5.4.4  PDF拆分

def PDFsplit(input_file, output_file):
    oldFile = open(input_file,'rb')
    pdfReader = PdfFileReader(input_file)
    # 拆分，即读取PDF中的每页，单独进行保存
    for i in range(pdfReader.numPages):
        pageObj = pdfReader.getPage(i)
        pdfWriter = PdfFileWriter()
        pdfWriter.addPage(pageObj)

        output_file_i = f'{output_file}{i}.pdf'
        newFile = open(output_file_i, 'wb')
        pdfWriter.write(newFile)
        newFile.close()
    oldFile.close()

PDFsplit('PDF_source/course.pdf', 'PDF_result/course_page')

运行结果：

 

5.4.5  提取文本

# 读出来的内容（有问题) 主要是没空格

filename = 'PDF_source/The Youtube video recommendation system.pdf'
pdfFileObj=open(filename, 'rb')
pdfReader=PyPDF2.PdfFileReader(pdfFileObj)
print(pdfReader.numPages)
pageObj=pdfReader.getPage(0)
print(pageObj.extractText())

运行结果：

6  PPT自动化

6.1  工具使用说明

• 安装：pip install python-pptx

from pptx import Presentation

# 步骤1：创建PPT
ppt = Presentation()

# 步骤2：新建幻灯片slide（使用ppt自带的1-48中模板）
slide_layout = ppt.slide_layouts[0]
slide = ppt.slides.add_slide(slide_layout)

# 步骤3：编写幻灯片slide
title = slide.shapes.title   # 设置标题
title.text = "Hello World!"  # 设置text

subtitle = slide.placeholders[1]  # 使用placeholdes索引获取一页幻灯片中的元素
subtitle.text = "PPT自动化 from python-pptx!"   # 设置text

# 步骤4：保存PPT
ppt.save('demo.pptx')

6.2  添加文本框

from pptx.util import Inches

# 新建幻灯片
slide_layout = ppt.slide_layouts[5]
slide = ppt.slides.add_slide(slide_layout)

# 添加文本框
# 预设位置及大小（left & top为相对位置，width & height为文本框大小）
left, top, width, height = Inches(0.5), Inches(1.6), Inches(4), Inches(1)
textbox = slide.shapes.add_textbox(left, top, width, height)
textbox.text = 'this is a new textbox'

# 在新文本框中添加段落
new_para = textbox.text_frame.add_paragraph()
new_para.text = 'this is second paragraph in textbox'

6.3  添加图片

img_path ='pic/pic1.jpg'
left, top, width, height = Inches(0.5), Inches(2.5), Inches(8), Inches(5)
pic = slide.shapes.add_picture(img_path, left, top, width, height)

ppt.save('demo.pptx')

运行结果：

更多AI资源请关注公众号：大胡子的AI

欢迎各位AI爱好者加入群聊交流学习：882345565（内有大量免费资源哦！）

版权声明：本文为博主原创文章，未经博主允许不得转载。如要转载请与本人联系。