Python：word，excel，json操作

一、读写docx

1. 读取docx文件（无法读取旧的doc文件—可以先转化为docx再读取）
   pip install python-docx
   import docx
   def read_word(file_path):
     doc = docx.Document(file_path)
     text = []
     for paragraph in doc.paragraphs:
       text.append(paragraph.text)
     return ‘\n’.join(text)
2. 读取表格
   def read_table(file_path):
     doc = docx.Document(file_path)
     tables = doc.tables
     for table in tables:
       table_rows = table.rows
       for row in table_rows:
       row_cells = row.cells
       for cell in row_cells:
         print(cell.text)
3. 读取图片
   def read_images(file_path):
     doc = docx.Document(file_path)
     images = doc.inline_shapes
     for image in images:
       print(image.image.shape_type)     // 获取图片形状类型
       print(image.image.size)     // 获取图片大小
       print(image.image.source)     // 获取图片来源（文件路径）
4. 写入word
   def create_word_document(file_path, title):
     doc = docx.Document()
     doc.title = title     // 标题
     doc.add_paragraph(“这是一段示例文本。”)     //段落
     add_picture(path)     // 图片
     t = doc.add_table(rows=rows, cols=cols, style=“Table Grid”)     //加表格
     cell = t.cell(i, j)     // 给表格中增加内容，i,j为表格位置：第i行，第j列
     cell.text = cell_text     // cell为表格中一个格子，text为格子里的值
   doc.save(path)     //保存

二、doc文件操作

使用win32com库函数
import win32com.client
word_ap = win32com.client.Dispatch(‘Word.Application’)
doc = word_app.Documents.Open(input_path)
…                       #对doc的各种操作
doc.Close()
word_ap.Quit()

补充说明：

1. 使用win32com操作doc文件时，对doc文件名称有要求，即不能包含空格，否则open时报找不到文件错误（除了空格外，还有一些其他的字符也不被允许，但我忘记统计了）。
2. 如果想批量将word文件（.doc，.docx）转为pdf文件，就可以使用上述函数 + doc.SaveAs(output_path, FileFormat=17)即可
3. 对于包含空格的文件，你可以记录下原名称，再将其shuilt移动（重命名为另一个文件） or 重命名 去除文件名空格，对文件操作后，再saveAs保存为原名称文件即可（有其他更加简便的方法，欢迎分享！！！）
4. 批量转word->pdf时，最好try-except一下，记录转失败的文件（因为有些word文件会因为原文件的某些设置，无法转成功，导致报错）。

批量将doc，docx文件转为pdf

import shutil
import win32com.client
import os


doc_path = “"
pdf_path = ""
pdf_tmp = ""


fs = []
for roots, _, files in os.walk(doc_path):
    for file in files:
        fs.append(roots + '/' + file)

print(len(fs))


def convert_to_pdf(input_path, output_path, word_app):
    print(f)
    doc = word_app.Documents.Open(input_path)
    print(doc)
    doc.SaveAs(output_path, FileFormat=17)
    doc.Close()


word_ap = win32com.client.Dispatch('Word.Application')

for f in fs:
    filename: str = os.path.basename(f)
    if (filename.endswith('.doc') or filename.endswith('.docx')) and not filename.startswith('~$'):
        list = filename.split(".")
        list[-1] = 'pdf'
        output_file = ".".join(list)
        try:
            convert_to_pdf(f, pdf_path + output_file, word_ap)
        except Exception as e:
            try:
                shutil.move(f, pdf_tmp + filename.replace(' ', '1'))
                convert_to_pdf(pdf_tmp + filename.replace(' ', '1'), pdf_tmp + 'tmp_file.pdf', word_ap)
                shutil.move(pdf_tmp + 'tmp_file.pdf', pdf_path + output_file)
            except Exception as e:
                print(f)
                with open(pdf_path + "error.txt", mode="a", encoding='utf-8') as file:
                    file.write(f + '\n')

word_ap.Quit()

三、读写excel

1. 读取excel—pandas
   import pandas as pd
   data = pd.read_excel(‘example.xlsx’, engine=‘openpyxl’)
   print(data[‘A’])     # 打印 A 列的数据
   print(data.at[0, ‘A’])     # 打印第一行第一列的单元格数据
   data[‘type’] = ’A类‘ 新建列
   data.values.tolist()     # 将excel表转化为[[],[],[],[],…,[]]的格式，一个[]为一行

2. 读取excel—openpyxl
   import openpyxl
   workbook = openpyxl.load_workbook(‘example.xlsx’)
   ws= workbook[‘Sheet1’]     #选择sheet
   rows = ws.rows     #所有行，相当于ws.iter_rows()
   for row in rows :
     for cell in row:
     print(cell.value, end=’ ')

3. 写入excel:
   1）df = pd.DataFrame(data, columns=[‘列名1’, ‘列名2’])     #选择data格式为[[],[],[],[],…,[]]
     df.to_excel(‘aaaaaa.xlsx’, index=False, engine=‘openpyxl’)
   2）data.to_excel(‘aaaa.xlsx’, index=False, engine =‘openpyxl’)
   3）新增一列：

df = pd.read_excel('example.xlsx')
# 添加新列，新列的value固定
df['new_column'] = '1'           
#添加新列，新列的value不固定
new_colunm = [1,2,3,4]
df.insert(loc=0， column='new_colunm ', value=new_colunm )
df.to_excel(’aaa.xlsx‘， index=False)

四、读写json格式文件

1. 读取json格式文件

file = r'data.json'

with open(file, mode='r', encoding='utf-8') as f:
    # datas为数组
    datas = json.load(f)

2. 写入json格式文件

results.append({
     "path": path + '/' + image_name,
     'vecs': vecs
})
# results为数组，每一个元素格式为{'path': ..., 'vesc': ...}
df = pd.DataFrame(results, columns=["path", "vecs"])
df.to_json('data.json', orient='records', force_ascii=False, indent=4)

3. json的dumps，dump，loads和load函数使用：

import json

# type(x)为dict
x = {'name':'张三','age':19,'city':'四川'}

# 用dumps将python的dict格式编码成json字符串格式（str）
# type(y)为str
# json.dumps(x, indent=2)，indent=2用于设置缩进，否则转化后的就是一行文本
print(json.dumps(x))

#用loads将json字符串格式（str）编码成python的dict
print(json.loads(json.dumps(x)))


filename = 'pi_x.txt'
with open (filename,'w') as f:
    # 将x写入pi_x.txt中
    json.dump(x,f)

with open (filename) as f_1:
     # 读取pi_x.txt中的json格式数据
    print(json.load(f_1))