Python实现PDF、doc、docx、xls、xlsx文件文本替换（保留原格式）

需求：

替换pdf文件中的指定内容

解决思路：

doc、docx、pdf、xls等文件都是以二进制形式保存，不能直接通过read('r')读取文件原始内容，需要转换为html文件，html文件可以通过read('r')获取文本内容，在进行文本替换。

替换doc、docx文件指定内容：

• 可以利用win32com库直接进行替换（只适用于win系统）
• 或者转为html格式处理

替换xls文件指定内容：

• 转为html格式处理
• 使用xlrd、xlutils两个库,参考https://blog.csdn.net/bocai_xiaodaidai/article/details/100007852

 

问题汇总：

• 利用libreoffice将doc、docx直接转为html，可能出现格式错乱问题，可先转为pdf，pdf再转为html
• xls文档内容过宽时，直接转html或者先转pdf都会出现排版错乱，此问题尚未解决。那种方式影响小先用哪种吧

 

格式转换工具参考：https://blog.csdn.net/bocai_xiaodaidai/article/details/99676635