Python办公自动化 -- 对PDF文档和PPT文档的处理

Python办公自动化 – 对PDF文档和PPT文档的处理

---

---

前言

Python办公⾃动化是利⽤Python编程语⾔来创建脚本和程序，以简化、加速和⾃动化⽇常办公任务和⼯作流程的过程。它基于Python的强⼤功能和丰富的第三⽅库，使得能够处理各种办公任务，如⽂档处理、数据分析、电⼦邮件管理、⽹络通信等等。

---

一、用Python自动化PDF文档生成

要使⽤Python⾃动化PDF⽂档的⽣成，可以使⽤第三⽅库来创建、编辑和操作PDF⽂件。⼀个常⽤的库是ReportLab，它允许以编程⽅式创建PDF⽂档，并在其中添加⽂本、图像、表格等内容。
其中，Canvas类是ReportLab库中的一个重要类，用于创建和操作PDF文档。它提供了一系列方法和属性，可以在PDF文档中添加文本、图形、图像等内容。

Canvas类的构造函数如下所示：

def __init__(self, filename, pagesize=(595.27,841.89), bottomup=1, pageCompression=0, encoding=rl_config.defaultEncoding, verbosity=0, encrypt=None)

参数说明：

• filename：生成的PDF文件的名称。
• pagesize：页面尺寸，默认为A4纸的尺寸。
• bottomup：页面坐标系的方向，默认为1，表示坐标原点在左下角。
• pageCompression：页面压缩级别，默认为0，表示不压缩。
• encoding：文档编码，默认为rl_config.defaultEncoding。
• verbosity：输出信息的详细程度，默认为0，表示不输出。
• encrypt：加密选项，默认为None，表示不加密。

Canvas类的常用方法包括：

• drawString(x, y, text)：在指定坐标位置绘制文本。
• drawImage(image, x, y, width=None, height=None)：在指定坐标位置绘制图像。
• drawRect(x, y, width, height)：绘制矩形。
• drawLine(x1, y1, x2, y2)：绘制直线。
• setFont(fontname, fontsize, leading=None)：设置字体和字号。
• setFillColor(color)：设置填充颜色。
• setStrokeColor(color)：设置描边颜色。
• showPage()：保存当前页面并开始新页面。
• save()：保存PDF文档。

下面⼀个基本的⽰例，演⽰如何使⽤ReportLab来⽣成PDF⽂档：

1、安装ReportLab库（如果尚未安装）

pip install reportlab

2、创建⼀个简单的PDF文档

from reportlab.lib.pagesizes import letter
# canvas模块有个Canvas类，是创建PDF文档的入口。通过help函数可以查询它的用法。
from reportlab.pdfgen import canvas  
# 创建⼀个PDF⽂件
c = canvas.Canvas("example.pdf", pagesize=letter)
# 添加⽂本到PDF
c.drawString(100, 750, "Hello, World!")
# 添加图片到pdf
c.drawImage("image.jpg", 200, 200, width=100, height=100)
c.showPage()
# 保存PDF
c.save()

在上述⽰例中，导⼊了ReportLab库，创建了⼀个PDF⽂档对象，然后使⽤ drawString ⽅法在PDF上添加⽂本。最后，保存了⽣成的PDF⽂件。
ReportLab还提供了更复杂的功能，如创建表格、添加图形、⾃定义⻚⾯布局等。可以根据具体的需求进⼀步扩展这个⽰例，以⽣成更复杂的PDF⽂档。
除了ReportLab，还有其他⼀些库，如PDFKit（基于wkhtmltopdf）、FPDF、PyPDF2等，可以⽤于PDF⾃动化⽣成和操作。可以根据项⽬的具体需求选择适合的库来处理PDF⽂档。

以下是一些简单示例，需要的小伙伴可以看下：

1. PDFKit：

import pdfkit

# 将HTML内容转换为PDF
pdfkit.from_file('input.html', 'output.pdf')

# 将URL转换为PDF
pdfkit.from_url('http://example.com', 'output.pdf')

# 将字符串转换为PDF
pdfkit.from_string('Hello, world!', 'output.pdf')

2. FPDF：

from fpdf import FPDF

# 创建PDF对象
pdf = FPDF()

# 添加页面
pdf.add_page()

# 设置字体和字号
pdf.set_font('Arial', size=12)

# 添加文本
pdf.cell(0, 10, 'Hello, world!', ln=True)

# 保存PDF
pdf.output('output.pdf')

3. PyPDF2：

from PyPDF2 import PdfFileReader, PdfFileWriter

# 读取PDF文件
pdf = PdfFileReader('input.pdf')

# 获取页面数量
num_pages = pdf.getNumPages()

# 获取第一页内容
page1 = pdf.getPage(0)

# 旋转页面
page1.rotateClockwise(90)

# 创建新的PDF文件
output_pdf = PdfFileWriter()

# 添加页面
output_pdf.addPage(page1)

# 保存新的PDF文件
with open('output.pdf', 'wb') as f:
    output_pdf.write(f)

二、Python读取PDF文件内容

要在Python中读取PDF⽂件的内容，可以使⽤第三⽅库来解析和提取⽂本信息。⼀种常⽤的库是PyPDF2，它允许从PDF⽂档中提取⽂本、⻚⾯、书签等信息。
下面是⼀个基本⽰例，演⽰如何使⽤PyPDF2来读取PDF⽂件内容：

1、安装PyPDF2库（如果尚未安装）

pip install reportlab

2、读取PDF⽂件内容

代码如下（示例）：

import PyPDF2
# 打开PDF⽂件
pdf_file = open('example.pdf', 'rb')
# 创建⼀个PDF⽂件阅读器对象
pdf_reader = PyPDF2.PdfFileReader(pdf_file)
# 获取PDF⽂件的总⻚数
total_pages = pdf_reader.numPages
# 读取每⼀⻚的⽂本内容
for page_num in range(total_pages):
	page = pdf_reader.getPage(page_num)
	page_text = page.extractText()
	print(f"第 {page_num + 1} ⻚内容：")
	print(page_text)
	print("\n")
# 关闭PDF⽂件
pdf_file.close()

在上述⽰例中，⾸先打开了⼀个PDF⽂件，然后创建了⼀个PdfFileReader对象来读取该⽂件。然后，获取PDF⽂件的总⻚数，并使⽤ getPage ⽅法读取每⼀⻚的⽂本内容，最后关闭⽂件。
请注意，PDF⽂本提取可能不总是⾮常精确，特别是对于包含复杂排版、图像或⾃定义字体的PDF⽂件。在处理不同类型的PDF⽂件时，可能需要根据具体情况进⾏⼀些后处理来提⾼⽂本提取的准确性。
除了PyPDF2，还有其他⼀些库，如pdfminer、slate等，也可以⽤于读取PDF⽂件的内容。选择适合需求的库并根据需要处理提取到的⽂本数据。

import slate3k as slate

# 打开PDF文件
with open('example.pdf', 'rb') as pdf_file:
    # 创建PDF解析器对象
    pdf_text = slate.PDF(pdf_file)

# 提取PDF文件的文本内容
text = ' '.join(pdf_text)
print("Text in PDF:", text)

三、Python操作PowerPoint演示文稿

要在Python中操作PowerPoint演⽰⽂稿，可以使⽤第三⽅库 python-pptx 。这个库允许创建、编辑和操作PowerPoint演⽰⽂稿。

先了解下PPT基本结构在python分别是什么含义：

Slide：幻灯片，就是演示文稿中每一页的页面。

Shape：方框，在每页幻灯片内插入的方框，可以是形状，也可以是文本框。

Run：文字块，一般为较少字符。

Paragraph：段落，通常有序号ㆍ、1.等。

以下是⼀些常⻅的操作⽰例：

1、安装 python-pptx 库（如果尚未安装）

pip install python-pptx

使用windows系统，如果出现无法安装情况，可以在cmd模式下输入网址选择国内清华镜像。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-pptx

2、创建⼀个新的PowerPoint演示文稿

from pptx import Presentation
# 创建⼀个新的演⽰⽂稿对象
prs = Presentation()
# 添加⼀张幻灯⽚
slide = prs.slides.add_slide(prs.slide_layouts[0])
# 添加标题和正⽂
title = slide.shapes.title
title.text = "这是标题"
content = slide.shapes.placeholders[1]
content.text = "这是正⽂"
# 保存演⽰⽂稿
prs.save("example.pptx")

3、打开现有的PowerPoint演示文稿并编辑

from pptx import Presentation
# 打开现有的演⽰⽂稿
prs = Presentation("example.pptx")
# 遍历所有幻灯⽚
for slide in prs.slides:
	for shape in slide.shapes:
		if shape.has_text_frame:
		text_frame = shape.text_frame
		for paragraph in text_frame.paragraphs:
			for run in paragraph.runs:
				run.text = run.text.upper() # 将⽂本转换为⼤写
# 保存修改后的演⽰⽂稿
prs.save("modified_example.pptx")

4、插入图片和形状

from pptx import Presentation
from pptx.util import Inches
# 打开现有的演⽰⽂稿
prs = Presentation("example.pptx")
# 添加⼀张幻灯⽚
slide = prs.slides.add_slide(prs.slide_layouts[5])
# 添加图⽚
left = Inches(1)
top = Inches(1)
width = Inches(4)
height = Inches(3)
pic = slide.shapes.add_picture("image.jpg", left, top, width, height)
# 添加形状
left = Inches(5)
top = Inches(1)
width = Inches(2)
height = Inches(2)
shape = slide.shapes.add_shape(1, left, top, width, height)
shape.text = "⾃定义形状"
# 保存修改后的演⽰⽂稿
prs.save("modified_example.pptx")

python-pptx 库提供了丰富的功能，⽤于创建、编辑和操作PowerPoint演⽰⽂稿中的⽂本、图像、形状、表格等。可以根据具体的需求进⼀步扩展这些⽰例，以满⾜的项⽬要求。

---

总结

以上就是今天分享的内容，希望对看到的小伙伴有帮助，后续会持续更新完python办公自动化的文章分享，可以持续关注哦。