Python读取PDF、WORD、EXCEL、PPT里文本

python处理文档总结(TXT、Excel、CSV、Word、PDF) python处理文档处理TXT1、打开TXT,读数据2、读取文件常用操作3、写文件处理Excel方式1:采用xlsxwriter库方式2:xlrd和xlwt库,使用xlutils库复制和修改Excel方式3:导入openpyxl 模块,处理Excel文件处理PDF 处理TXT 1、打开TXT,读数据 # 方式1: f=open('example.txt','r') data=f.read() f.... 阅读详情

场景

获取文件中的文本内容(只读不写)
环境:WIN10+anaconda

PDF

安装:pip install pdfminer3k

from io import StringIO
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfinterp import PDFResourceManager, process_pdf

def read_pdf(path_pdf):
    with open(path_pdf, 'rb') as pdf:
        # PDF资源管理器
        rsrcmgr = PDFResourceManager()
        # 输出str到内存
        outfp = StringIO()
        # 解析PDF的参数
        laparams = LAParams()
        # 文本转换器
        device = TextConverter(rsrcmgr, outfp, laparams=laparams)
        # 进行处理
        process_pdf(rsrcmgr, device, pdf)
        # 获取处理后的文本内容
        content = outfp.getvalue()
        # 关闭设备
        device.close()
        outfp.close()
        return content  # <class 'str'>

if __name__ == '__main__':
    lines = read_pdf('P020190716349644060705.pdf')
    print(lines)

WORD

安装:pip install python-docx

读取段落

from docx import Document
# 加载文件
d = Document('a.docx')
# 遍历段落
for paragraph in d.paragraphs:
    print(paragraph.text)

读取表格

from docx import Document
# 加载文件
d = Document('a.docx')
# 按行取数
for table in d.tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)

EXCEL

from pandas import read_excel

def xlsx2df(fname, sheet_name=0):
    return read_excel(fname, sheet_name)

PPT

安装:pip install python-pptx

import pptx
# 打开PPT
p = pptx.Presentation('a.pptx')
# 遍历幻灯片
for slide in p.slides:
    # 遍历幻灯片内每个形状
    for shape in slide.shapes:
        # 文本框
        if isinstance(shape, pptx.shapes.placeholder.SlidePlaceholder):
            for paragraph in shape.text_frame.paragraphs:
                print(paragraph.text)
        # 表格
        if isinstance(shape, pptx.shapes.graphfrm.GraphicFrame):
            for cell in shape.table.iter_cells():
                print(cell.text)
python自动化高效办公第二期,带你项目实战【一】{excel数据处理、批量化生成word模板、pdf和ppt等自动化操作} 相关文章: Python自动化办公--Pandas玩转Excel【一】 Python自动化办公--Pandas玩转Excel数据分析【二】 Python自动化办公--Pandas玩转Excel数据分析【三】 python处理Excel实现自动化办公教学(含实战)【一】 python处理Excel实现自动化办公教学(含实战)【二】 python处理Excel实现自动化办公教学(数据筛选、公式操作、单元格拆分合并、冻结窗口、图表绘制等)【三】 python入门之后须掌握的知识点(模块化编程、时间. 阅读详情

相关推荐

汽车级智能栅极驱动器深度解析 | 连载03:功能框图与工作模式详解

在前两期连载中,我们分析了DRV871x-Q1的产品架构、引脚配置和电气特性。本期我们将深入探讨DRV871x-Q1的功能框图和工作模式,这是理解芯片内部工作机制的关键。通过分析功能框图,我们能够清晰地了解各功能模块之间的关系和信号流向;通过工作模式分析,我们能够掌握芯片在不同应用场景下的配置方法。这些知识对于系统设计和故障排查都至关重要。

VehSwHwDeveloper的博客 1106

Python - 读取pdf、word、excel、ppt、csv、txt文件提取所有文本

以上就是全部常见的文件格式的读取和提取所有文本的全部内容了。更多其他的使用方法请查阅官方文档。

DreamingBetter的博客 5854

告别OLE!Delphi操作Excel的3种轻量级方案横向评测(FlexCel/XLSReadWriteII/LibXL)

本文深入评测了Delphi操作Excel的三种轻量级方案:FlexCel、XLSReadWriteII和LibXL。通过技术架构、API设计、性能测试和实战案例的全面对比,帮助开发者选择最适合的工具,提升Excel文件处理效率,告别传统OLE方案的依赖和性能问题。

onion的博客 933

Python-处理PDF和Word文档(上)

(记录学习第八天)

m0_64335844的博客 404

Replay音频转换时samplerate缺失的解决方案指南

Replay音频转换时提示"No module named 'samplerate' This error is lazily reported, having originally occured in File"的解决方案

weixin_47445543的博客 2139

STRING数据库的蛋白质相互作用(PPI)网络分析

在转录调控相关的文献中,我们经常能够看到这样的蛋白质相互作用网络(protein protein interaction network,PPI network)。具体而言,这些相关的文献中首先通过RNA-seq、表达谱芯片或者蛋白质组分析等,找到了在不同分组样本间一系列的差异表达基因或蛋白。

weixin_43029125的博客 9458

用Python的requests库实现自动上传文件

抓取接口,分析出接口出入参,通过读取Excel里的数据,用Python的requests库来调用接口传入。

weixin_46157924的博客 6289

TDS水质检测传感器原理图设计,已量产(液体传感器)

最近调试了一款针对生活用水、水培系统的 TDS 水质检测模块 —— 毕竟 TDS(总溶解固体)值直接关联水的洁净程度,是这类场景里既实用又易获取的水质指标。下面拆解下这个电路的设计逻辑,说说每个部分是怎么配合实现精准检测的。

不脱发的程序猿 1549

Python自动化办公实战:包含Word、Excel、Pdf和Email邮件案例

这篇文章基于Python自动化办公,主要介绍了使用Python相关库,依次完成Word文档替换、Excel表格读取、Pdf文件生成和Email自动邮件发送任务。程序运行之后,邀请函会自动生成,然后邮件会自动发送,速度也非常快,给几百个、上千个客户发送邀请函就不害怕了,如果有上万个客户,可能需要借助第三方平台辅助了,毕竟一般的普通邮箱,每日发送邮箱数是有限制的。

m0_74942241的博客 378

ORB-SLAM2算法部署验证、原理代码和各种改进方法汇总

本文主要汇总个人学习使用ORB-SLAM2算法中参考的相关博客和代码汇总,以及在ORB-SLAM2算法基础上各个改进方法的汇总。

重点记录机器人和自动驾驶相关领域的技术,尤其是计算机视觉,视觉SLAM等,不仅有前言文献或必备算法的学习,也会有实际应用的点滴经验 745

R语言中的Gamma分布函数

在R语言中,我们可以使用最大似然估计(Maximum Likelihood Estimation,MLE)或最小二乘估计(Least Squares Estimation,LSE)等方法来估计Gamma分布的参数。本文介绍了在R语言中使用Gamma分布函数的基本操作,包括生成随机变量、计算概率密度函数和累积分布函数,以及参数估计和拟合。函数来生成Gamma分布的随机变量,计算概率密度函数(PDF)和累积分布函数(CDF),以及进行参数估计和拟合。要计算Gamma分布的累积分布函数(CDF),我们可以使用。

ByteWhiz的博客 1633

Python打开文件并进行处理,txt、excel、pdf、word!

在办公处理中,我们常常要打开一些文件,面临大量的数据时,传统的人工方法耗时耗力。在python中,有一系列包装好的库,让我们能够很方便的操作各种类型的文件。当然,python的内置函数也能够很好的打开一些文件。本文主要探讨python打开各类文件的方式。

阿欢的博客 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

python自动化办公——python操作Excel、Word、PDF集合大全

Python操作Word、Excel、PPT、PDF\、复杂文件、通信软件(微信、邮件、飞书、钉钉)、图片 目录   章节一:python使用openpyxl操作excel     1、openpyxl库介绍     2、python怎么打开及读取表格内容?        1)Excel表格述语        2)打开Excel表格并获取表格名称        3)通过sheet名称获取表格        4)获取表格的尺寸大小        5)获取表格.......

数据分析与统计学之美 13万+

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Python自动化操作Excel、Word、PPT、PDF工具

特点:SnowNLP 是一个 python 写的类库,可以方便的处理中文文本内容,是受到了 TextBlob 的启发而写的,由于现在大部分的自然语言处理库基本都是针对英文的,于是写了一个方便处理中文的类库,并且和 TextBlob 不同的是,这里没有用 NLTK,所有的算法都是自己实现的,并且自带了一些训练好的字典。如果你只是想读写一个文件,请参阅 open(),如果你想操作文件路径,请参阅 os.path 模块,如果你想读取通过命令行给出的所有文件中的所有行,请参阅 fileinput 模块。

weixin_53707653的博客 1509

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Python自动化办公基础(一):Excel、Word、PDF、PPT的相关处理

文章目录一.Excel1.xlrd读2.xlwt写3.xlutils设置格式4.案例-统计每位同学总分5.更灵活的操作方式6.将文件夹整理到Excel中7.使用Excel画画二.Word 一.Excel 1.xlrd读 安装xlrd:pip install xlrd excel表: (1)获取单元格内容 import xlrd # 打开excel表 xlsx = xlrd.open_workbook('测试表1.xlsx') # 查找所需表格 sheet = xlsx.sheet_by_index(0

YFater的博客 1834

Python批量实现Word、EXCLE、PPT转PDF文件

在日常办公和文档处理中,有时我们需要将多个Word文档、Excel表格或PPT演示文稿转换为PDF文件。将文档转换为PDF格式的好处是它可以保留文档的布局和格式,并且可以在不同平台上进行方便的查看和共享。本篇博文将介绍如何使用Python编程语言批量实现将多个Word、Excel和PPT文件转换为PDF文件。我们将通过使用Python第三方库来读取、编辑和保存这些文档,并使用合适的转换工具将它们转换为PDF格式。

weixin_40547993的博客 6542

使用Python转换PDF,Word/Excel/PPT/md/HTML都能转!

今天讲的是各位一定会接触到的PDF转换,关于各种格式的文件转换为PDF有很多第三方工具与网站可以实现,但是使用Python的好处不仅可以批量转换,同时一旦脚本写完了以后就可以一键执行,彻...

大邓和他的Python 3870

python 实现将office文件 (word, ppt, excel等) 转为pdf

python 实现将office文件 (word, ppt, excel等) 转为pdf 在 windows 系统(需安装office套件)中,利用 python 的 win32com 包可以实现对Office文件的操作,可以批量转换为pdf文件。支持 doc, docx, ppt, pptx, xls, xlsx 等格式。 win32com模块需要安装 pywin32: pip install ...

XnCSD的博客 1万+

python读取加密word_python的特殊文件操作——excel、PDF、word、json、csv

本文所记述的是一些基础知识点中平时用的比较少的方法。对于常见的一些文件格式,python几乎都有相关的库来进行操作。一、 excel和csv首先阐述下个人观点,对excel和csv文件的操作首推pandas,不过pandas主要侧重于数据的处理,如果想进行其他操作可以查看以下两个模块:使用openpyxl模块可以对excel文件进行一些精细化操作,比如格式、样式、公式、图标等都可以使用python...

weixin_35422771的博客 1786

【Python入门】文件读取全攻略:5种常用格式(csv/excel/word/ppt/pdf)一键搞定 | 附完整代码示例

“别摆烂!你写的每一行代码,都是通向国一的功德!“

唐叔学习中... 2342

Python 办公自动化:批量处理 Excel/Word/PPT 实战教程

本文系统介绍Python在办公自动化领域的实战应用,涵盖Excel批量处理、Word文档生成、PPT图表制作及PDF内容提取四大核心场景。深入解析openpyxl、pandas、python-docx、python-pptx等主流库的功能特点与选型策略,通过典型案例展示如何将重复性手工操作转化为自动化流程,帮助职场人大幅提升工作效率,将时间释放给更有价值的创造性工作。

macowl的博客 2253
上一篇: Python监督学习【词分类】算法
下一篇: 宏观经济运行情况
小基基o_O
博客等级 码龄9年 4414粉丝 467原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小基基o_O

您的鼓励是我创作的巨大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值