python自动化办公技巧 -- word、excel及pdf转换

1.doc文件批量转docx文件

（1）原有文件

（2）代码

# 1.doc格式批量转docx.py

import os
from win32com import client


def getAllFilesList(filepath):
    """
    获取指定目录下的所有doc文件列表
    :param filepath: 指定目录
    :return: 指定目录下的所有doc文件列表
    """
    files = []
    for file in os.listdir(filepath):
        if file.endswith(".doc"):
            files.append(filepath + file)

    return files


if __name__ == '__main__':
    filepath = "D:" + os.sep + "sampple" + os.sep + "doc" + os.sep
    # print(filepath)
    files = getAllFilesList(filepath)

    word = client.Dispatch("Word.Application")

    i = 0
    for file in files:
        try:
            doc = word.Documents.Open(file)  # 打开word文件
            doc.SaveAs("{}x".format(file), 12)  # 另存为后缀为“.docx”的文件，其中参数12指的doc文件
            doc.Close()  # 关闭原来的word文件
            print(file + '转换成功！')
            i += 1
        except:
            print(file + '转换失败！')
            files.append(file)  # 将文件名添加到files列表中重新读取
            pass

    print("转换文件%i个" % i)
    word.Quit()

（3）运行结果

目录下新生成了每个doc文件对应的docx文件

 

2.xls文件批量转xlsx

（1）原有文件

（2）代码

# 2.xls文件批量转xlsx.py

import os
from win32com import client


def getAllFilesList(filepath):
    """
    获取指定目录下的所有xls文件列表
    :param filepath: 指定目录
    :return: 指定目录下的所有xls文件列表
    """
    files = []
    for file in os.listdir(filepath):
        if file.endswith(".xls"):
            files.append(filepath + file)

    return files


if __name__ == '__main__':
    filepath = "D:" + os.sep + "sampple" + os.sep + "xls" + os.sep
    # print(filepath)
    files = getAllFilesList(filepath)

    # 运行excel程序
    excel = client.gencache.EnsureDispatch('Excel.Application')
    # 设置excel另存时当有重名的文件时不提示弹窗预警
    excel.Application.DisplayAlerts = False


    i = 0
    for file in files:
        try:
            xls = excel.Workbooks.Open(file)  # 打开excel文件
            xls.SaveAs("{}x".format(file), 51)  # 另存为后缀为“.xlsx”的文件，其中参数51指的doc文件
            xls.Close()  # 关闭原来的excel文件
            print(file + '转换成功！')
            i += 1
        except:
            print(file + '转换失败！')
            files.append(file)  # 将文件名添加到files列表中重新读取
            pass

    print("转换文件%i个" % i)
    excel.Quit()

（3）运行结果

目录下新生成了每个xls文件对应的xlsx文件

 

3.批量合并结构相同的excel文件

（1）原有的excel文件中内容

（2）代码

# 3.同结构excel文件批量合并.py

import os
import pandas as pd


def getAllFilesList(filepath):
    """
    获取指定目录下的所有xlsx文件列表
    :param filepath: 指定目录
    :return: 指定目录下的所有xlsx文件列表
    """
    files = []
    for file in os.listdir(filepath):
        if file.endswith(".xlsx"):
            files.append(filepath + file)

    return files


if __name__ == '__main__':
    filepath = "D:" + os.sep + "sampple" + os.sep + "xlsx_merge" + os.sep
    files = getAllFilesList(filepath)

    # 定义一个空的dataframe
    data = pd.DataFrame()

    for file in files:
        df = pd.read_excel(file)
        df_len = len(df)
        data = data.append(df)
        print('读取%i行数据，合并后文件%i列，名称：%s' % (df_len, len(data.columns), file.split('/')[-1]))

    # 重置索引
    data.reset_index(drop=True, inplace=True)
    # 查看数据
    print(data)

（3）运行结果

 

4.批量读取word中表格信息

（1）原有的word中表格数据

word1：两个表格。第一个规范，第二个不规范。

word2：仅一个表格。

（2）代码

# 4.批量读取word中表格数据.py

import docx  # pip install python-docx
import os
import pandas as pd


def get_data1(biaoges):
    """
    1.读取单个文件中规范的表格数据（第一个表格）
    :param biaoges:
    :return:
    """
    # 读取第一个（规范）表格，可能有多行数据
    rowi = len(biaoges[0].rows)
    print(rowi)

    # 定义空列表
    list1 = []
    for i in range(1, rowi):  # 从第2行开始循环
        list1.append([biaoges[0].cell(i, 0).text, biaoges[0].cell(i, 1).text, biaoges[0].cell(i, 2).text])

    print(list1)


def get_data2(biaoges):
    """
    2.读取单个文件中不规范的表格数据（第二个表格）
    :param biaoges:
    :return:
    """
    cells = biaoges[1]._cells
    cells_lis = [[cell.text for cell in cells]]
    print(cells_lis)

    """
        [['姓名', '郭达', '年龄', '22', '照片', '籍贯', '辽宁沈阳',
        '住址', '安徽合肥', '照片', '工作单位', 'XXX公司', '电话', '13333333333',
        '照片', '是否党员', '否', '出生日期', '1997-12-22', '照片']]
    """

    datai = pd.DataFrame(cells_lis)
    print('******************* datai完整 *******************')
    print(datai)
    print('******************* datai完整 *******************')

    datai = datai[[1, 3, 6, 8, 11, 13, 16, 18]]
    datai.columns = ['姓名', '年龄', '籍贯', '住址', '工作单位', '电话', '是否党员', '出生日期']
    print('******************* datai过滤 *******************')
    print(datai)
    print('******************* datai过滤 *******************')


def get_data_batch():
    # 1.3 批量读取数据
    new_dir = "D:" + os.sep + "sampple" + os.sep + "word_data" + os.sep
    os.chdir(new_dir)
    list2 = []
    for file in os.listdir('.'):
        if file.endswith('.docx'):
            doc = docx.Document('./' + file)
            biaoges = doc.tables
            rowi = len(biaoges[0].rows)
            for i in range(1, rowi):
                list2.append([biaoges[0].cell(i, 0).text, biaoges[0].cell(i, 1).text, biaoges[0].cell(i, 2).text])

    data1 = pd.DataFrame(list2, columns=['书籍名称', '种类', '价格'])
    print(data1)


if __name__ == '__main__':
    # 读取word文件
    filepath = "D:" + os.sep + "sampple" + os.sep + "word_data" + os.sep + "data.docx"
    doc = docx.Document(filepath)

    # 获取文档中所有表格对象的列表
    biaoges = doc.tables

    print('类型：', type(biaoges))  # 类型： <class 'list'>
    print('biaoges: ', biaoges)

    # biaoges: [<docx.table.Table object at 0x000001F827264DC8>, <docx.table.Table object at 0x000001F827286EC8>]

    # 处理规范的表格
    get_data1(biaoges)

    # 处理不规范的表格
    get_data2(biaoges)

    # 批量处理表格
    get_data_batch()

（3）运行结果

-- 单文件表格数据读取

---- 规范表格

---- 不规范表格

 

-- 多文件表格读取

 

5.word文件批量转pdf

（1）原有的word内容

（2）代码

# 5.word文件批量转pdf.py

import docx2pdf  # pip install docx2pdf --user
import os


def getAllFilesList(filepath):
    """
    获取指定目录下的所有word文件列表
    :param filepath: 指定目录
    :return: 指定目录下的所有word文件列表
    """
    files = []
    for file in os.listdir(filepath):
        if file.endswith(".docx"):
            files.append(filepath + file)

    return files


def convert_single(src_file, dst_file):
    """
    单个文件实现 word->pdf 转换
    :param src_file: 源文件 xxx.docx
    :param dst_file: 目标文件 xxx.pdf
    :return:
    """
    docx2pdf.convert(src_file, dst_file)


def convert_batch(files_list):
    """
    批量转换 word->pdf
    :param files_list:
    :return:
    """
    for file in files_list:
        docx2pdf.convert(file, file.split('.')[0] + '.pdf')
        print(file + '转换成功！')


if __name__ == '__main__':
    input_file = "D:" + os.sep + "sampple" + os.sep + "word2pdf" + os.sep + "data.docx"
    output_file = "D:" + os.sep + "sampple" + os.sep + "word2pdf" + os.sep + "data.pdf"

    filepath = "D:" + os.sep + "sampple" + os.sep + "word2pdf" + os.sep

    # 1.单个文件转换
    # convert_single(input_file, output_file)

    # 2.批量转换
    files = getAllFilesList(filepath)
    convert_batch(files_list=files)

（3）运行结果

-- 单文件操作

生成data.pdf文件

pdf内容如下：

 

-- 多文件操作