Python自动化操作 Word 和 PDF

from docx import Documentfrom docx.shared import Inches, Cm  # 英寸和厘米单位# 打开刚才创建的文档file_path = r'D:\自动化\word\道德经.docx'document = Document(file_path)# 添加文档标题（level=0 是文档标题）document.add_heading('道德经', 0)# 添加段落p = document.add_paragraph('道可道，非常道；名可名，非常名。')# 在同一段落里追加不同格式的文字p.add_run('无名，天地之始，').bold = True      # 粗体p.add_run('有名，')                              # 默认格式p.add_run('万物之母。').italic = True           # 斜体# 添加一级标题document.add_heading('故常无欲，', level=1)# 添加带样式的段落document.add_paragraph('以观其妙，', style='Intense Quote')# 添加项目符号列表document.add_paragraph('常有欲，以观其徼。', style='List Bullet')# 添加编号列表document.add_paragraph('此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。', style='List Number')document.add_paragraph('所以说，学Python，学得妙。', style='List Number')# 添加图片（三种方式）img_path = r'D:\自动化\word\girl.png'document.add_picture(img_path)                           # 原图大小document.add_picture(img_path, width=Inches(1.25))       # 指定宽度document.add_picture(img_path, width=Cm(5), height=Cm(5))  # 指定宽高# 准备表格数据records = (    (1, '李白', '诗仙'),    (2, '杜甫', '诗圣'),    (3, '白居易', '香山居士, 与元稹并称元白, 与刘禹锡合称刘白'))# 添加表格（1行3列，带网格样式）table = document.add_table(rows=1, cols=3, style='Table Grid')# 填充表头hdr_cells = table.rows[0].cellshdr_cells[0].text = '序号'hdr_cells[1].text = '姓名'hdr_cells[2].text = '描述'# 动态添加数据行for id, name, desc in records:    row_cells = table.add_row().cells    row_cells[0].text = str(id)    row_cells[1].text = name    row_cells[2].text = desc# 再添加一个表格（另一种填充方式）document.add_paragraph('再添加一个表格')records2 = [    ["姓名", "性别", "家庭地址"],    ["貂蝉", "女", "河北省"],    ["杨贵妃", "女", "贵州省"],    ["西施", "女", "山东省"]]# 创建4行3列的表格table2 = document.add_table(rows=4, cols=3, style='Light List Accent 5')# 用双重循环填充for 行索引 in range(4):    cells = table2.rows[行索引].cells    for 列索引 in range(3):        cells[列索引].text = str(records2[行索引][列索引])# 添加分页符document.add_page_break()# 保存文档document.save(file_path)

# 创建空文档document = Document()# 打开已有文档document = Document('exist.docx')

# level 1-9 对应 标题1-标题9document.add_heading('一级标题', level=1)

# 普通段落p = document.add_paragraph('正文内容')# 带样式的段落document.add_paragraph('引用内容', style='Intense Quote')document.add_paragraph('项目符号', style='List Bullet')document.add_paragraph('编号列表', style='List Number')

p = document.add_paragraph('开头文字')p.add_run('粗体文字').bold = Truep.add_run('斜体文字').italic = Truep.add_run('普通文字')

# 原图大小document.add_picture('girl.png')# 指定宽度document.add_picture('girl.png', width=Inches(1.25))# 指定宽高document.add_picture('girl.png', width=Cm(5), height=Cm(5))

# 创建表格table = document.add_table(rows=4, cols=3)# 带样式的表格table = document.add_table(rows=4, cols=3, style='Table Grid')

from docx import Documentdoc = Document(r'D:\自动化\word\道德经.docx')# 读取所有段落文字print("=== 所有段落内容 ===")for p in doc.paragraphs:    print(p.text)# 读取指定段落的文字块print("\n=== 第2段的文字块 ===")for run in doc.paragraphs[1].runs:    print(run.text)# 读取所有表格print("\n=== 所有表格内容 ===")for 表格 in doc.tables:    for 行 in 表格.rows:        row_data = []        for 单元格 in 行.cells:            row_data.append(单元格.text)        print(row_data)# 另存为新文档doc.save(r'D:\自动化\word\另存为新文档.docx')

from docx import Documentfrom openpyxl import load_workbookimport globdef 提取数据汇总(file_dir):    """从Word会议通知中提取数据汇总到Excel"""    # 打开Excel模板    template = file_dir + r'\汇总模板.xlsx'    workbook = load_workbook(template)    sheet = workbook.active    number = 1  # 序号计数    # 获取所有docx文件    docFiles = glob.glob(file_dir + r'\*.docx')    for file in docFiles:        doc = Document(file)        contentList = []  # 学习内容列表        studyTime = ''    # 学习时间        studyType = ''    # 学习形式        host = ''         # 主持人        # 遍历所有段落，提取信息        for paragraph in doc.paragraphs:            text = paragraph.text            # 提取学习时间            if '学习时间：' in text:                studyTime = text.split('学习时间：')[1]            # 提取主持人            elif '主持人：' in text:                host = text.split('主持人：')[1]            # 提取学习形式            elif '学习形式：' in text:                studyType = text.split('学习形式：')[1]            # 提取学习内容（以数字+顿号开头）            elif len(text) >= 2 and text[0].isdigit() and text[1] == '、':                contentList.append(text)        # 合并学习内容        content = ' '.join(contentList)        # 写入Excel        sheet.append([number, studyTime, content, studyType, host])        number += 1    # 保存汇总结果    workbook.save(file_dir + r'\会议汇总.xlsx')    print(f"✅ 汇总完成！共处理 {number-1} 个文件")if __name__ == '__main__':    提取数据汇总(r'D:\自动化\word\会议通知')

import osfrom PyPDF2 import PdfFileReader, PdfFileWriterpdf_path = r"D:\自动化\pdf\二期第1讲.pdf"out_dir = r"D:\自动化\pdf\拆分"# 创建输出目录if not os.path.exists(out_dir):    os.makedirs(out_dir)# 读取PDFpdf_reader = PdfFileReader(pdf_path)# 获取总页数pageCount = pdf_reader.getNumPages()print(f"总页数: {pageCount}")# 每页拆成一个PDFfor page in range(pageCount):    pdf_writer = PdfFileWriter()    pdf_writer.addPage(pdf_reader.getPage(page))    out_path = os.path.join(out_dir, f"page_{page+1}.pdf")    with open(out_path, "wb") as out:        pdf_writer.write(out)    print(f"已保存: page_{page+1}.pdf")print("✅ 拆分完成！")

from PyPDF2 import PdfFileReader, PdfFileWriterimport ospdf_dir = r"D:\自动化\pdf\拆分"out_path = r"D:\自动化\pdf\merge.pdf"# 获取所有PDF文件并排序pdfList = sorted([f for f in os.listdir(pdf_dir) if f.endswith('.pdf')])pdf_writer = PdfFileWriter()for pdf_name in pdfList:    path = os.path.join(pdf_dir, pdf_name)    pdf_reader = PdfFileReader(path)    # 把所有页都加到writer里    for page in range(pdf_reader.getNumPages()):        pdf_writer.addPage(pdf_reader.getPage(page))    print(f"已添加: {pdf_name}")# 保存合并后的文件with open(out_path, "wb") as out:    pdf_writer.write(out)print(f"✅ 合并完成！保存至: {out_path}")

import pdfplumberpdf_path = r"D:\自动化\pdf\道德经.pdf"with pdfplumber.open(pdf_path) as pdf:    # 读取所有页的内容    for i, page in enumerate(pdf.pages):        text = page.extract_text()        print(f"\n=== 第 {i+1} 页 ===")        print(text)    # 只读第一页    # page = pdf.pages[0]    # print(page.extract_text())

import pdfplumberpdf_path = r"D:\自动化\pdf\道德经.pdf"with pdfplumber.open(pdf_path) as pdf:    page = pdf.pages[1]  # 获取第2页    # 提取第一个表格    table = page.extract_table()    print("第一个表格:")    for row in table:        print(row)    # 提取所有表格    tables = page.extract_tables()    print(f"\n共找到 {len(tables)} 个表格")

from PyPDF2 import PdfFileReader, PdfFileWriterpdf_path = r"D:\自动化\pdf\道德经.pdf"save_path = r"D:\自动化\pdf\加密后.pdf"pdf_reader = PdfFileReader(pdf_path)pdf_writer = PdfFileWriter()# 复制所有页for page in range(pdf_reader.getNumPages()):    pdf_writer.addPage(pdf_reader.getPage(page))# 设置密码pdf_writer.encrypt("youbafu")# 保存with open(save_path, "wb") as out:    pdf_writer.write(out)print("✅ 加密完成！密码: youbafu")

from PyPDF2 import PdfFileReader, PdfFileWriterpdf_path = r"D:\自动化\pdf\加密后.pdf"save_path = r"D:\自动化\pdf\解密后.pdf"pdf_reader = PdfFileReader(pdf_path)# 用密码解密pdf_reader.decrypt('youbafu')# 复制所有页pdf_writer = PdfFileWriter()for page in range(pdf_reader.getNumPages()):    pdf_writer.addPage(pdf_reader.getPage(page))# 保存with open(save_path, "wb") as out:    pdf_writer.write(out)print("✅ 解密完成！")

import osfrom PyPDF2 import PdfFileWriter, PdfFileReaderdef 拆分PDF(file_name, file_path, save_dir, step=3):    """    拆分PDF为多个小文件    参数:        file_name: 拆分后的文件名前缀        file_path: 原PDF路径        save_dir: 保存目录        step: 每多少页拆成一个文件（默认3页）    """    # 创建保存目录    if not os.path.exists(save_dir):        os.mkdir(save_dir)    if step < 1:        print("拆分间隔不能小于1")        return    # 读取PDF    pdf_reader = PdfFileReader(file_path)    pageCount = pdf_reader.getNumPages()    print(f"原文件共 {pageCount} 页，每 {step} 页拆分为一个文件\n")    # 按step间隔拆分    for page in range(0, pageCount, step):        pdf_writer = PdfFileWriter()        # 添加step页到writer        for index in range(page, page + step):            if index < pageCount:                pdf_writer.addPage(pdf_reader.getPage(index))        # 保存        part_num = int(page / step) + 1        child_name = f'{file_name}_{part_num}.pdf'        save_path = os.path.join(save_dir, child_name)        with open(save_path, "wb") as out:            pdf_writer.write(out)        print(f"已保存: {child_name} (第{page+1}-{min(page+step, pageCount)}页)")    print(f"\n✅ 拆分完成！共生成 {int((pageCount-1)/step)+1} 个文件")    print(f"保存路径: {save_dir}")if __name__ == '__main__':    拆分PDF(        '拆分PDF',         r'D:\自动化\pdf\二期第1讲.pdf',         r'D:\自动化\pdf\拆分2',         step=4    )

Document（文档）  └── Paragraph（段落）        └── Run（文字块）  └── Table（表格）        └── Row（行）          └── Cell（单元格）