Python_操作txt、xls、csv、PDF

1. 读写TXT文件
2. 读写xls文件
3. 读写csv文件
4. 读写PDF文件

#-*-coding:utf-8-*-
'''
created by zwg in 2016-10-22
'''
'''
txt、xlsx、csv、pdf文件读写操作
'''

################################一、txt文件操作（file和open几乎相同）

# file=open('zwgoracle.txt','r+')#读写，覆盖，无则自动生成
# file=open('zwgoracle.txt','r')#读，无则自动生成
# file=open('zwgoracle.txt','w+')#读写，覆盖，无则自动生成
# file=open('zwgoracle.txt','w')#写，覆盖，无则自动生成
# file=open('zwgoracle.txt','a+')#读写，续写，无则自动生成
# file=open('zwgoracle.txt','a')#写，续写，无则自动生成

########读操作
# file=open('zwgoracle.txt','r')

# 一次读取全部内容，大文件时不建议
# txt_all=file.read()
# print txt_all

# 逐行读取前面固定字节的内容，默认全部
# txt_oneline=file.readline()
# txt_nextline=file.readline(23)
# print '读取第一行的所有内容      ：%s'%txt_oneline
# print '读取第二行的前23个字节内容：%s'%txt_nextline
# file.seek(len(txt_oneline)+1)
# print '游标向前移动一行的距离后，重新读取一行的内容：%s'%file.readline()

# 全部读取并生成列表，每一行在同一个字符串中
# all_lines=file.readlines()
# k=-1
# for line in all_lines:
#     k=k+1
#     if line[0:7]=='笨蛋1号':
#         print line,
#         #print line.replace('\n','')
#         break
# print all_lines[k]

########写操作
# file=open('zwgoracle.txt','a+')
#打开的方式为a或a+，默认写在最后，seek无效
#打开的方式为w，自动覆盖，可seek
#打开的方式为r+，自动覆盖，可seek
#write直接写单个字符串，writelines分行写列表
# file.write('笨蛋1号\t16212001\t001\t0\t22\n')
# file.write('笨蛋2号\t16212001\t001\t0\t22\n')
# file.writelines(['笨蛋3号\t16212001\t001\t0\t22\n','笨蛋4号\t16212001\t001\t0\t22\n'])
# # print file.tell()
# file.close()


################################二、xls文件操作

# 读取
# import xlrd,xlwt,xlsxwriter
# data=xlrd.open_workbook('student_id.xls')
# # table=data.sheet_by_name('info')
# table=data.sheets()[0]
# # print table.col_values(0)[1]  #第0列的第1个数据
# # print table.row_values(1)[1]  #第1行的第1个数据
# print '表格行数：%s；表格列数：%s'%(table.nrows,table.ncols)
# print '获取第10行，第1列的内容：%s'%(table.cell(9,0).value.encode('gbk'))

# 创建并写入
# myxls=xlwt.Workbook()
# mysheet=myxls.add_sheet('The first sheet')
# n1=table.nrows
# n2=table.ncols
# for i in range(n1):
#     for j in range(n2):
#         mysheet.write(i,j,table.cell(i,j).value)
# myxls.save('student_id_copy.xls')

#修改，比较麻烦，在以上两者间建立通道，或者自定义复制成新文件也行
# from xlutils.copy import copy
# import xlrd
# file=xlrd.open_workbook('student_id_copy.xls',formatting_info=True)
# mysheet=file.sheet_by_index(0)
# n1=mysheet.nrows
# n2=mysheet.ncols
# newfile=copy(file)
# newsheet=newfile.get_sheet(0)
# newsheet.write(n1,0,'笨蛋'.decode('gbk'))
# newsheet.write(n1,1,'00001')
# newfile.save('student_id_copy.xls')



################################ 三、csv文件操作
# import csv
# f=file('zwg.csv','a+b')
# #a续写，w覆盖写，r读（+代表读写都有，b代表文件模式）
# writer=csv.writer(f)
# writer.writerow(list('ABCD'))
# data=[[12,3,4,5],[4,3,2,1]]
# writer.writerows(data)
# f.close()
#
# f=file('zwg.csv','rb')
# reader=csv.reader(f)
# for i in reader:
#     print i


################################ 四、PDF文件操作


# pdfminer，建议使用
# PDFParser：从一个文件中获取数据
# PDFDocument：保存获取的数据，和PDFParser是相互关联的
# PDFPageInterpreter处理页面内容
# PDFDevice将其翻译成你需要的格式
# PDFResourceManager用于存储共享资源，如字体或图像。

# from pdfminer.converter import PDFPageAggregator
# from pdfminer.pdfparser import PDFParser
# from pdfminer.pdfdocument import PDFDocument
# from pdfminer.pdfpage import PDFPage
# from pdfminer.pdfpage import PDFTextExtractionNotAllowed
# from pdfminer.pdfinterp import PDFResourceManager
# from pdfminer.pdfinterp import PDFPageInterpreter
# from pdfminer.layout import *
# import re
# fp = open('Python.pdf', 'rb')
# #用文件对象来创建一个pdf文档分析器
# parser = PDFParser(fp)
# # 创建一个  PDF 文档
# doc = PDFDocument(parser)
# #获取文档目录
# # outlines = doc.get_outlines()
# # for (level,title,dest,a,se) in outlines:
# #     print level, title     #标题级别及级别
# #检查文件是否允许文本提取
# if not doc.is_extractable:
#     raise PDFTextExtractionNotAllowed
# #创建一个PDF资源管理器对象来存储共享资源
# #caching = False不缓存
# rsrcmgr = PDFResourceManager(caching = False)
# # 创建一个PDF设备对象
# laparams = LAParams()
# # 创建一个PDF页面聚合对象
# device = PDFPageAggregator(rsrcmgr, laparams=laparams)
# #创建一个PDF解析器对象
# interpreter = PDFPageInterpreter(rsrcmgr, device)
# #处理文档当中的每个页面
# # doc.get_pages() 获取page列表
# #for i, page in enumerate(document.get_pages()):
# #PDFPage.create_pages(document) 获取page列表的另一种方式
# file1=file('Python.txt','w+')
# # 循环遍历列表，每次处理一个page的内容
# k=1
# for page in PDFPage.create_pages(doc):
#     if k==4:
#         break
#     k=k+1
#     interpreter.process_page(page)
#     # 接受该页面的LTPage对象
#     layout=device.get_result()
#     # 这里layout是一个LTPage对象 里面存放着 这个page解析出的各种对象
#     # 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等
#     for x in layout:
#         #如果x是水平文本对象的话
#         if(isinstance(x,LTTextBoxHorizontal)):
#             file1.write(x.get_text().encode('gbk','ignore'))


# pyPdf,主要用于生成PDF，PDF合并
# import pyPdf
# file=open('Python.pdf','rb')
# to_doc=pyPdf.PdfFileWriter()
# from_doc=pyPdf.PdfFileReader(file)
# S=from_doc.getPage(1)
# to_doc.addPage(S)#写入缓存
# outputStream = open("Python_copy.pdf", "wb")
# to_doc.write(outputStream)#存入文档
# outputStream.close()