office套件

一、PDF模块

　　使用PyPDF2模块

pip install PyPDF2

1.1 从PDF读取数据

　　直接读取，并打印出来。但是这种打印存在一个问题，不能中文字符

import PyPDF2
import os

pdf_obj = open('de8ug.pdf', 'rb')    # 使用二进制方式打开,生成一个文件对象
pdf = PyPDF2.PdfFileReader(pdf_obj)  # 把文件对象传入到pdfread中
print(pdf.numPages)                  # 获取pdf的页数

page = pdf.getPage(1)                # 获取PDF某一页内容，生产一个对象
print(page.extractText())            # 打印出来，但是存在一个问题，不能显示中文

　　解决中文字符的问题

import os
from pdfminer.pdfinterp import PDFResourceManager, process_pdf
　　　　　　　　　　　　　　　　　　　　# 资源管理　　　　　　# 运行过程
from pdfminer.converter import TextConverter # 文本转换
from pdfminer.layout import LAParams  # 布局
from io import StringIO　　　　　　　　　# 临时文件

def convert_pdf(path):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    laparams = LAParams()

    device = TextConverter(rsrcmgr, retstr, laparams=laparams)  # 把几个对象传入进来，生产文本转换对象
    fp = open(path, 'rb')

    process_pdf(rsrcmgr, device, fp)   # 转换的过程，转移到临时文件中
    fp.close()
    device.close()
    out = retstr.getvalue()           # 直接到临时文件中读取数据
    retstr.close()
    return out

s = convert_pdf('de8ug.pdf')
s.split(' x0c')   # 每一页都是根据这个进行分割的

1.2  写入PDF

　　从某一个PDF中获取某一页写入到新的一个PDF中

import PyPDF2

pdf_writer = PyPDF2.PdfFileWriter()  # 先生成一个写对象

# 生成一个读对象，并获取指定某一页码
pdf_obj = open('de8ug.pdf', 'rb')
pdf = PyPDF2.PdfFileReader(pdf_obj)
page = pdf.getPage(1)                

# 在写对象中加入这一夜
pdf_writer.addPage(page)  

# 打开一个文件，写入内容
with open('lh-1.pdf', 'wb') as f:
    pdf_writer.write(f)
pdf_obj.close()

1.3 PDF 加密与解密

　　加密

with open('debug.pdf', 'rb') as f:
    # 打开需要加密文件，使用文件对象生成一个PDF_read对象
    pdf_read = PyPDF2.PdfFileReader(f)
    # 生成一个pdf写对象
    pdf_write = PyPDF2.PdfFileWriter()

    # 循环每一页，把read对象中的每一页，加入到write对象中
    for page in range(pdf.numPages):
        pdf_write.addPage(pdf.getPage(page))
    
    # 对read对象进行加密
    pdf_write.encrypt('hilouhui')

    # 直接写入到文本中
    with open('lh-en.pdf', 'wb') as f2:
        pdf_write.write(f2)

　　解密：

import PyPDF2

with open('lh-en.pdf', 'rb') as f:
    pdf_read = PyPDF2.PdfFileReader(f)

    print(pdf_read.isEncrypted)  # 判读是否加密，这个只是read对象的方法
    pdf_read.decrypt('hilouhui')  # 解密
    # print(pdf_read.getPage(1).extractText())
    page = pdf_read.getPage(1)
    print(page.extractText())

1.4  加水印

　　加水印的原理其实就是多个pdf的合并

import PyPDF2
with open('de8ug.pdf', 'rb') as f_in:
    with open('water.pdf', 'rb') as f_out:
        # 打开两个pdf 对对象：
        pdf_in = PyPDF2.PdfFileReader(f_in)
        pdf_out = PyPDF2.PdfFileReader(f_out)
        # 打开一个写的PDF对象
        pdf_write = PyPDF2.PdfFileWriter()

        # 里面那层每一页读取出来，实用水印页进行合并。在写到pdf_write中
        for page_num in range(pdf_in.numPages):
            page = pdf_in.getPage(page_num)
            page.mergePage(pdf_out.getPage(0))  # 对每一页进行合并
            pdf_write.addPage(page)
        
        # 写入文件
        with open('de8ug-water.pdf', 'wb') as f:
            pdf_write.write(f)

1.4 将数据导出为PDF格式

import datetime  # 导入日期时间库
import reportlab.pdfbase.ttfonts  # 导入reportlab的注册字体

reportlab.pdfbase.pdfmetrics.registerFont(
    reportlab.pdfbase.ttfonts.TTFont('song', 'C:WINDOWSFontssimsun.ttc'))  # 注册字体，linux和windowns不同

from reportlab.pdfgen import canvas
from reportlab.lib.units import inch  # 导入单位英寸


def create_pdf(input, output="disosi.pdf"):
    now = datetime.datetime.today()
    date = now.strftime("%h %d %Y %H:%M:%S")  # 设定日期格式
    c = canvas.Canvas(output)
    c.setFont('song', 10)  # 设置字体字号
    textobject = c.beginText()  # 定义开始
    textobject.setTextOrigin(inch, 11 * inch)  # 定义位置
    textobject.textLines('''LH备忘录: %s ''' % date)  # 输出标题

    for line in input:  # 通过循环的方式一行一行写入文件
        textobject.textLine(line.strip())  # 写入文件

    c.drawText(textobject)
    c.showPage()
    c.save()


def main():
    report = ['我是娄辉', '你呢', '我很帅']
    create_pdf(report)


if __name__ == '__main__':
    main()

 二、 Excel  表格操作

python操作excel使用openpyxl这个模块，其中有三个对象：

• workbook　　工作簿，一个excle文件
• sheet 　　　　表格，一个excle文件中包含多个表格
• cell　　　　　单元格

excel的操作的情景：

1. 打开或者创建一个Excel需要创建一个Workbook对象
2. 获取一个表则需要先创建一个Workbook对象，然后使用该对象的方法来得到一个Worksheet对象
3. 如果要获取表中的数据，那么得到Worksheet对象以后再从中获取代表单元格的Cell对象

2.1 三个对象操作

2.1.1 workbook对象

打开与 保存方法：

import openpyxl
wb = openpyxl.load_workbook('de8ug.xlsx') # 打开文件，加载到wb的内存处
wb.save('lh.xlsx')    # 保存成另外一个文件

import openpyxl
wb = openpyxl.load_workbook('de8ug.xlsx')

wb.active                    # 获取当前活跃的sheet，默认打开第一张活跃
wb.sheetnames                # 获取所有的表名
wb.worksheets                # 以列表的方式返回所有的worksheet对象

wb.get_sheet_by_name('表名') # 获取一个表对象。但是这种方法现在不用了
wb['name']                   # 使用这种方法获取表对象

wb.read_only                 # 判断是否只读
wb.encoding                  # 获取字符编码
wb.properties                # 获取文件的信息，编码，时间，创建者等等


wb.get_sheet_names      # 获取所有表格的名称(新版已经不建议使用，通过Workbook的sheetnames属性即可获取)
get_sheet_by_name       # 通过表格名称获取Worksheet对象(新版也不建议使用，通过Worksheet[‘表名‘]获取)
get_active_sheet        # 获取活跃的表格(新版建议通过active属性获取)
remove_sheet            # 删除一个表格
create_sheet            # 创建一个空的表格
copy_worksheet          # 在Workbook内拷贝表格

2.1.2 worksheet对象  表对象

# 属性
title：　　　　　 　表格的标题
dimensions：　　　　表格的大小，这里的大小是指含有数据的表格的大小，即：左上角的坐标:右下角的坐标
max_row：　　　　　　表格的最大行
min_row：　　　  　 表格的最小行
max_column：　　   表格的最大列
min_column：　   　表格的最小列
rows：　　　　　  　按行获取单元格(Cell对象) - 生成器
columns：　　　   　按列获取单元格(Cell对象) - 生成器
freeze_panes：　 　冻结窗格
values：　　　　　　按行获取表格的内容(数据)  - 生成器

# 方法
iter_rows：　　　　　 　按行获取所有单元格，内置属性有(min_row,max_row,min_col,max_col)
iter_columns：　　　 　按列获取所有的单元格
append：　　　　　　　　在表格末尾添加数据
merged_cells：　　　 　合并多个单元格
unmerged_cells：　  　移除合并的单元格

2.1.3 cell对象  单元格对象

　 cell对象的方法比较简单：

　　　　获取单元格对象的两种方式：

　　　　　　sh1 ['a1']

　　　　　　sh1.cell(row=1, column=2)

row：　　　　　　单元格所在的行
column：　　　　单元格坐在的列
value：　　　 　单元格的值,可以直接获取。 cell1.value = '改变的值' 也可以  cell1 = '改变的值'
coordinate：　 单元格的坐标

2.1.4 函数 与  单元格样式

　　添加函数其实就是  添加字符串，加上去后，让excel自动解析：

　　例如： =AVERAGE(B2:B8)

　

单元格样式：

from openpyxl.styles import Font # 内置很多种样式
font = Font(bold=True, size=20)    # 字体样式有很多方法
sh2['B7'].font = font

2.2 一些小case

import openpyxl

wb = openpyxl.load_workbook('de8ug.xlsx')
sh1 = wb.active
sh2 = wb['Sheet2']

sh2['a1'] = '名字'
sh2['b1'] = '分数大于75'
index = 2
for row in sh1.rows:  # 利用rows的生成器对象
    # print(row)
    # print(row[0].value,row[1].value)  
    if row[0].coordinate != 'A1' and row[1].value > 75:
        sh2['A' + str(index)] = row[0].value
        sh2['B' + str(index)] = row[1].value
        index += 1

wb.save('111111111111.xlsx')

import openpyxl

wb = openpyxl.load_workbook('de8ug.xlsx')

sh1 = wb['成绩表']
sh2 = wb['Sheet2']
index = 2
for row in range(2, sh1.max_row+1):
    grade = sh1.cell(row=row, column=2).value
    if grade > 75:
        sh2['A' + str(index)] = sh1.cell(row=row, column=1).value
        sh2['B' + str(index)] = grade
        index += 1

wb.save('22222.xlsx')