办公效率起飞了！Python 终于解放了我的双手

作者：Jackpop

2022 年 2 月 19 日
本文字数：2171 字
阅读完需：约 7 分钟

最近我在知乎受到一个付费问答，虽然开通了付费问答功能，但是我已经很久没有回答过提问者的问题。

由于时间和精力有限，抽不出整块的时间好好回答提问者的问题，又不愿意三言两语糊弄提问的同学，索性就不回答了。

但是，前几天有一个同学付费咨询我”如何用 Python 把 3 个 PDF 文件按交叉顺序合并在一起？“

的确，PDF、Word 作为工作和学习中经常会接触到的文档格式，很难避免与其打交道，今天，就来给大家介绍一下如何使用 Python 完成常用的 PDF、Word 编辑功能，再也不用为这项简单的事情付费了！

PDF 文档

PDF 是一种便携式文件格式，它包含文本、图像、图表等。

与纯文本文件不同，它是一种包含".pdf"扩展名的文件，由 Adobe 公司发明。

这种类型的文件与任何平台如软件、硬件和操作系统无关。

安装工具包

你需要安装一个名为pypdf2的软件包，它可以处理扩展名为".pdf "的文件：

pip install pypdf2

复制代码

安装成功，会看到如下内容：

读取 PDF 文件并提取数据

我们只能从 pdf 文件中提取文本内容，因为 PyPDF2 在提取多媒体内容时有一个限制，logo、图片等无法从中提取。

上面的代码中的import语句得到了 PyPDF2 模块。你需要使用open('pdfFileName' , 'openMode')，其中pdfFilename是文件名称，openMode是rb，即只读取二进制格式。

PyPDF2 有一个名为 "PdfFileReader"的方法，它接收新创建的对象 "pdfFileObject"。你现在可以从 "pdfFileObject "中访问名为 "numPages"的属性，它能给返回总页数。

你可以使用 pdfReaderObject 里面的'getPage(0)'方法来获取第 1 页。然后将结果存储在'firstPageObject'中，通过使用'extractText()'方法可以打印出该特定页面中的所有文本。

上面的代码给出了 pdf 文件的所有文本。但是，图像没有显示在终端，这一点用 pyPDF2 是无法获取到。

合并 PDF

你将把两个不同的 pdf 文件合并成一个 pdf 文件，首先需要获取 2 个用于测试的 PDF 文档。

我们需要从 PyPDF2 包中导入 PdfFileMerger 模块，它能够用于合并 pdf 文件。

指定'path'，它表示文件所在的文件夹的路径。另外，要合并的 pdf 文件被包含在'pdf_files'的列表中。

首先，需要通过PdfFileMerger创建一个合并对象，然后针对列表中的每个文件进行的遍历，其中合并是通过向'append'方法传递路径和文件来完成的。

最后，通过使用'merger.write()'可以获得最终的输出，在这里可以获得合并后的内容和新的 PDF 文件名。

上图显示了一个'merged.pdf'，它由'test.pdf'和'test-1.pdf'的内容合并而成。

Word 文档

Word 文件由文件名末尾的".docx "扩展名组成。这些文件并不像纯文本文件那样只包含文本，而是包括富文本文件。富文本文件包含文件的不同结构，这些结构有大小、对齐、颜色、图片、字体等。

如果你有一个用于处理 Word 文档的应用程序，那将是最好的。适用于 Windows 和 Mac 操作系统的流行应用程序是 Microsoft Word，但它是一个付费订阅软件。

当然，也有一个免费的替代选择，如 "LibreOffice"，它是一个预装在 Linux 中的应用程序。这些应用程序可以在 Windows 和 Mac 操作系统中下载。

本文，将介绍如何通过 Python 免费操作 Word 文档。

安装工具包

你需要安装一个名为 "python-docx"的软件包，它可以处理扩展名为".docx "的 word 文档。

编辑 Word 文档

你可以看到上面第一行中的 "document"模块是从 "docx "包中导入的。

第二行的代码通过 Document 对象的帮助生成了一个新的 word 文档。

使用'document.save()'，文件名被保存为'first.docx'。

添加标题

上面的代码包含一个Document()打开一个新文件，document.save('addHeader.docx')被用来创建一个新编辑的 docx 文件。

你可以通过add_heading('text,' level=number)方法添加标题，该方法将文本作为标题，标题级别从 0 到 4 开始。

上述代码给出的输出是一个新创建的'addedHeader.docx'文件，其中 0 级的标题是文本下面的横线，而 1 级的标题是主标题。

同样地，其他的标题是副标题，其字体大小依次递减。

添加段落

上述代码包含一个Document()，它打开了一个新的文档文件，document.save('addParagraph.docx')被用来创建一个新编辑的 docx 文件。你可以通过add_paragraph('text,' style='required_style')方法添加标题，该方法接收文本，同时style是一个可选的参数，可以使用'List Number'和'List Bullet'。