Python處理Excel和PDF文檔

一、使用Python操作Excel

　　Python來操作Excel文檔以及如何利用Python語言的函數和表達式操縱Excel文檔中的數據。

　　雖然微軟公司本身提供了一些函數，我們可以使用這些函數操作Excel文檔。但是，使用Excel自帶的函數受限於Excel軟件的功能限制。換句話說，只有微軟提供了某種功能，我們才能使用相應的功能解決問題。如果微軟沒有提供相應的函數應對一個復雜的功能，那么，我們只能進行重復性操作。使用Python語言操作Excel則不然，我們可以靈活應用Python語言的所有功能，讀取、計算和編輯Excel文檔中的數據。

  一、Python處理Excel之openpyxl

　　1、openpyxl簡介和安裝

　　　　1、openpyxl簡介

　　openpyxl是一個讀寫Excel2010(xlsx/xlsm）文檔的Python庫，如果要處理更早格式的Excel文檔，需要用到另外的庫。openpyxl是一個比較綜合的工具，能夠同時讀取和修改Excel文檔。XlsxWriter也是一個與Excel處理相關的知名項目，僅支持創建和寫入Excel文檔，不支持讀取Excel文檔。

　　　　2、openpyxl安裝

pip install openpyxl

　　2、使用openpyxl讀取Excel文檔

　　　　1、Excel的構成

　　一個Excel文檔稱為一個工作簿，在Office2010下，典型工作簿的文件擴展名為xlsx。一個工作簿可以包含多個表格（在Excel又稱為sheet）。打開工作簿后會默認顯示一個表格，這個表格一般稱為活躍表。表格中包含若干單元格，所有單元格都有一個唯一的坐標。Excel通過行和列表示一個單元格，其中，行的坐標使用數字表示，列的坐標使用字母表示。

　　　　2、openpyxl處理Excel文件

　　openxpyxl中有三個不同層次的類，分別是Workbook、Worksheet和Cell。Workbook是對Excel工作簿的抽象，Worksheet是對表格的抽象，Cell是對單元格的抽象。每一個類都包含了若干屬性和方法，以便於我們通過這些屬性和方法獲取表格中的數據。

　　例如，我們要打開一個Excel表格或者創建一個Excel文檔，都需要創建一個Workbook對象。我們需要獲取Excel文檔中的某一張表，應該先創建一個Workbook對象，然后使用該對象的方法來得到一個Worksheet對象。如果要讀取或者修改某個單元格，我們需要先獲得Worksheet對象，然后再獲取代表單元格的Cell對象。

　　一個Workbook對象代表一個Excel文檔，因此，在操作一個Excel之前，應該先創建一個Workbook對象。對於創建一個新的Excel文檔，直接進行Workbook類調用即可。對於讀取一個已有的Excel文檔，可以使用openpyxI模塊的load_workbook函數。該函數接受多個參數，但只有filename參數為必傳參數。filenmame可以是一個文件名，也可以是一個打開的文件對象。

import openpyxl
wb=openpyxl.load_workbook('example.xls')

　　調用完load_workbook函數以后，我們就得到了一個Workbook對象。Workbook對象有很多的屬性和方法，其中，大部分方法都與sheet相關。

　　Workbook對象的部分屬性如下：

active：獲取活躍的Worksheet;
read_only：是否以read_only模式打開Excel文檔；
encoding：文檔的字符集編碼；
properties：文檔的元數據，如標題，創建者，創建日期等；
worksheets：以列表的形式返回所有的Worksheet。

#操作
print(wb.active)
print(wb.read_only)
print(wb.encoding)
print(wb.worksheets)

#結果如下
<Worksheet "product">
False
utf-8
[<Worksheet "pre">, <Worksheet "product">]

　　Workbook對象的方法大都與Worksheet相關。常用的方法如下：

sheetnames：獲取所有表格的名稱；
[sheetname]：通過表格名稱獲取Worksheet對象；
active：獲取活躍的表格；
remove：刪除一個表格；
create_sheet：創建一個空的表格；
copy_worksheet：在Workbook內拷貝表格

#實操
print(wb.sheetnames)
print(wb['pre'])
print(wb.active)
print(wb.create_sheet(index=0, title='new sheet'))
print(wb.sheetnames)
print(wb.remove(wb['new sheet']))
print(wb.sheetnames)
print(wb.copy_worksheet(wb['pre']))
###將修改保存（從內存刷到磁盤）
wb.save('example.xlsx')

#結果
<Worksheet "new sheet">
['new sheet', 'pre', 'product']
['new sheet', 'pre', 'product']
<Worksheet "pre">
<Worksheet "pre Copy">

　　有了Worksheet對象以后，我們可以通過這個Worksheet對象獲取表格的屬性，得到單元格中的數據，修改表格中的內容。openpyxI提供了非常靈活的方式來訪問表格中的單元格和數據。

　　常用的Worksheet屬性如下：

title：表格的標題；
dimensions：表格的大小，這里的大小是指有含有數據的表格大小。例如，對於example.xlsx文件，dimensions屬性的值為'Al:El1';
maxrow：表格的最大行；
min_row：表格的最小行；
maxcolumn：表格的最大列；
mincolumn：表格的最小列；
rows：按行獲取單元格（Cell對象）；
columns：按列獲取單元格（Cell對象）；
freeze_panes：凍結窗格；
values：按行獲取表格的內容（數據）。

#實操
ws = wb['pre']
print(ws.title)
print(ws.max_row)

#結果如下
pre
59

　　通過不同的屬性名獲取student這張表的屬性。其中，columns、rows和values這幾個屬性都是通過生成器的方式返回數據。

　　openpyxl並不知道我們的表格中有多少數據，在數據量大的情況下，如果一次獲取所有數據，勢必會占用較多的內存。因此，openpyxl的設計中，需要返回數據時都是通過生成器的方式返回。對於附件中的student表，因為記錄較少，我們可以使用list函數或tuple函數獲取所有的數值。需要注意的是，columns與rows返回的是Cell對象，values返回的是數據。

　　freeze_panes這個參數比較特別，主要用於在表格較大時凍結頂部的行或左邊的列。對於凍結的行或列，就算用戶滾動電子表格，也是始終可見的。每個Worksheet對象都有一個freeze_panes屬性，可以設置為一個Cell對象或一個單元格坐標的字符串，單元格上面的行和左邊的列將會凍結（注意單元格所在的行和列並不會凍結）。例如，我們需要凍結第一行，那么freeze_panes取值應該為A2，如果要凍結第一列，freeze_panes取值為Bl。如果要同時凍結第一行和第一列，則freeze_panes取值為B2。freeze_panes取值為None表示不凍結任何窗格。

　　Worksheet常用的一些方法：

iter_rows：按行獲取所有單元格（Cell對象）；
iter_columns：按列獲取所有的單元格；
append：在表格末尾添加數據；
merged_cells：合並多個單元格；
unmerge_cells：移除合並的單元格。

　　iter_rows方法和iter_columns方法在參數取默認值時，與rows屬性和columns屬性的作用相同。區別在於，iter_rows方法和iter_columns方法可以通過函數參數限定訪問表格的范圍。

print(list(ws.iter_rows(min_row=2,max_row=4,min_col=1,max_col=3)))

　　從Worksheet的屬性和方法的使用中可以看到，很多屬性和方法返回的不是某一個具體的數值，而是一個Cell對象。一個Cell對象就代表一個單元格，我們可以直接使用Excel坐標的方式獲取Cell對象，也可以使用Worksheet的cell方法獲取Cell對象。如下所示：

print(ws['A1'])
print(ws.cell(row=1, column=2))

　　Cell對象比較簡單，其常用的屬性如下：

row：單元格所在的行；
column：單元格所在的列；
value：單元格的取值；
cordinate：單元格的坐標

　　　　3、openpyxl提供的各種API

　　使用4種不同的方法來打印student表中的內容。為了對數據的格式進行控制，我們使用print函數而不是print語句進行打印。

　　通過Worksheet的values方法打印表格中的數據，這也是打印數據最簡單的方法。values通過生成器訪問數據並按行返回，因此，我們使用for循環遍歷表格的內容。

from __future__ import print_function
for row in ws.values:
    print(*row)

　　使用Worksheet的rows屬性來遍歷表格中的數據。rows屬性按行返回Cell對象，因此，我們使用列表推導來獲取每一個Cell對象的值。如下所示：

for row in ws.rows:
    print(*[cell.value for cell in row])

　　Worksheet的iter_rows方法在不加任何參數的情況下與rows屬性效果相同，因此這種方法與前一種方法看起來很像

for row in ws.iter_rows():
    print(*[cell.value for cell in row])

　　最后這種方式是最麻煩的方式，也是大家最容易想到的方式。我們首先獲取表格的最小行數和最大行數，然后獲取最小列數與最大列數，通過行和列的索引確定一個唯一元格。確定單元格以后，打印單元格的值。這種方式是每確定一個單元格打印一次，因此，我們在print函數中將end參數取值為空格來避免換行，並在內層for循環結束以后，顯示地進行換行。如下所示：

for i in range(ws.min_row, ws.max_row + 1):
    for j in range(ws.min_column, ws.max_column + 1):
        print(ws.cell(row=i ,column=j).value, end=' ')
    print()

　　3、使用openpyxl修改Excel

　　openpyxl不但可以讀取Excel文檔，而且還可以修改Excel文檔，包括修改單元格的 數據、合並單元格、修改單元格的字體、在Excel文檔中畫圖等。

　　一個Workbook對象就代表了一個工作簿，因此，新建一個工作簿就是創建一個 Workbook對象。創建完Workbook對象以后，默認會有一個名為“sheetl”的表格，我們 可以通過表格的名稱或get_active_sheet方法來獲取這個表格。獲取表格以后，可以通過給 表格的title屬性賦值的方式來修改表格的名稱。

from openpyxl import Workbook

wb =Workbook()
wb.sheetnames

ws = wb.active
ws.title
ws.title = 'pre'

　　修改

ws['A1'] = 'hello world'
wb.save('example.xlsx')

  二、其他操作Excel的方式

　　1、xlrd主要是用來讀取excel文件

　　　　1、安裝xlrd

pip install xlrd

　　　　2、實操

import xlrd


workbook = xlrd.open_workbook('dns_records.xls')
sheet_names = workbook.sheet_names()

for sheet_name in sheet_names:
    sheet2 = workbook.sheet_by_name(sheet_name)
    print(sheet_name)
    rows = sheet2.row_values(3)  # 獲取第四行內容
    cols = sheet2.col_values(1)  # 獲取第二列內容

print(rows)
print(cols)

　　2、xlwt主要是用來寫excel文件

　　　　1、安裝

pip install xlwt

　　　　2、實操

import xlwt


wbk = xlwt.Workbook()
sheet = wbk.add_sheet('sheet 1')
sheet.write(0,1,'test text')#第0行第一列寫入內容
wbk.save('test.xls')

　　3、xlutils結合xlrd可以達到修改excel文件目的

　　　　1、安裝

pip install xlutils

　　　　2、實操

import xlrd
from xlutils.copy import copy


workbook = xlrd.open_workbook(u'有趣裝逼每日數據及趨勢.xls')
workbooknew = copy(workbook)
ws = workbooknew.get_sheet(0)
ws.write(3, 0, 'changed!')
workbooknew.save(u'有趣裝逼每日數據及趨勢copy.xls')

　　4、xlsxwriter可以寫excel文件並加上圖表

　　　　1、安裝

pip install xlsxwriter

　　　　2、實操

import xlsxwriter


def get_chart(series):
    chart = workbook.add_chart({'type': 'line'})
    for ses in series:
        name = ses["name"]
        values = ses["values"]
        chart.add_series({ 
            'name': name,
            'categories': 'A2:A10',
            'values':values
        })  
    chart.set_size({'width': 700, 'height': 350}) 
    return chart
 
if __name__ == '__main__':
    workbook = xlsxwriter.Workbook(u'H5應用中心關鍵數據及趨勢.xlsx') 
    worksheet = workbook.add_worksheet(u"每日PV,UV")
    headings = ['日期', '平均值']
    worksheet.write_row('A1', headings)
    index = 0
    for row in range(1,10):
        for com in [0,1]:
            worksheet.write(row,com,index)
            index+=1  
    series = [{"name":"平均值","values":"B2:B10"}]
    chart = get_chart(series)
    chart.set_title ({'name': '每日頁面分享數據'})  
    worksheet.insert_chart('H7', chart)
    workbook.close()

  三、Python3實戰

　　1、Python處理excel並json序列化，並寫入文件中

import  xlrd
from collections import OrderedDict
import json

def login_pc_parameter():
    #excel的路徑
    wb = xlrd.open_workbook('pc_login.xlsx')
    convert_list = []
    #處理的sheet，默認是第一個（索引值為0）
    sh = wb.sheet_by_index(0)
    #顯示excel的標題，一般是第一行內容
    title = sh.row_values(0)

    for rownum in range(1, sh.nrows):
        #獲取每行的數據
        rowvalue = sh.row_values(rownum)
        #使用有序字典類，防止亂序
        single = OrderedDict()
        for colnum in range(0, len(rowvalue)):
            # print(title[colnum], rowvalue[colnum])
            single[title[colnum]] = rowvalue[colnum]
        convert_list.append(single)


    j = json.dumps(convert_list,ensure_ascii=False,indent=2)
    # print(convert_list)
    # print(j)

    with open("file3.json", "w",encoding="utf-8") as f:
        f.write(j)

if __name__ == '__main__':
    login_pc_parameter()

 

二、使用Python操作PDF

　　PDF(Portable Document Format）是一種便攜式文檔格式，這種文檔格式與操作系統平台無關。PDF文件無論是在Windows,Unix還是在蘋果公司的MacOS操作系統中都是通用的，這一特點使它成為在Internet上進行電子文檔發行和數字化信息傳播的理想文檔格式。雖然PDF便於傳輸和閱讀，但是，編輯PDF卻很不容易。PyPDF2對編輯PDF提供了有限的支持，我們可以使用PyPDF2模塊讀取、合並和寫入PDF文檔。

  一、PyPDF2 安裝與介紹

　　PyPDF2是一個純Python的開源庫，能夠分割或合並PDF文件，也可以裁剪或轉換 PDF文件中的頁面。我們還可以使用PyPDF2查看PDF文件的元信息，對PDF文件進行加密，破解PDF文件的密碼等。

　　官網：https://pythonhosted.org/PyPDF2/

　　安裝

pip install PyPDF2

　　PyPDF2提供了4個主要的類，分別是PdfFileWriter、PdfFileReader、PdfFileMerger和PageObject。前三個類分別用以讀取PDF文件、寫入PDF文件與合並PDF文件。PageObject類代表了一個PDF頁面，可以使用PdfFileReader類的getPage方法得到一個PageObject對象。

  二、使用PdfFileReader讀取PDF文檔

　　學習一個庫，最好的方式就是使用IPython進行練習。IPython能夠看到程序的中間結果，也可以方便地獲取幫助信息。接下來，我們就使用IPython學習PyPDF2的使用。在 IPython的交互模式下輸入以下代碼：

　　1、獲取pdf文檔共有多少頁

import PyPDF2


reader = PyPDF2.PdfFileReader(open(u'Python Linux系統管理與自動化運維.pdf', 'rb'))
num_pages = reader.getNumPages()

print(num_pages)

　　2、顯示pdf文檔的info信息

doc_info = reader.getDocumentInfo()

print(doc_info)

　　結果如下

{'/CreationDate': "D:20171125012631+08'00'", '/Creator': 'Adobe Acrobat 11.0.10', '/ModDate': "D:20180430102312+08'00'", '/Producer': 'Adobe Acrobat Pro 11.0 Paper Capture Plug-in', '/Title': ''}

  三、使用PdfFileWrite創建PDF文檔

　　對PDF文件進行加密、裁剪PDF文件、調整PDF頁面的順序等。我們需要編輯PDF頁面。例如，去除PDF文件中的第一頁，從一個PDF文件中提取幾個頁面保存到另一個文件。PyPDF2並不能直接編輯PDF文件，但是，我們可以利用PyPDF2從一個PDF文檔拷貝需要的頁面到另一個PDF文檔，通過這種迂回的方式實現編輯PDF的功能。

　　例如，我們現在要修改Python Linux系統管理與自動化運維.pdf文件，僅僅保存該文件的第2頁、第5頁和第6頁。我們將這幾個頁面抽取出來，保存到另外一個PDF文件中，並對這個PDF文件進行加密。如下所示：

　　1、將需要的內容寫入新的pdf文件

import PyPDF2


reader= PyPDF2.PdfFileReader(open(u'Python Linux系統管理與自動化運維.pdf', 'rb'))
output= PyPDF2.PdfFileWriter()
output.addPage(reader.getPage(1))
output.addPage(reader.getPage(4))
output.addPage(reader.getPage(5))
output.getNumPages()

　　創建了一個PdtFileWriter對象和一個PdtFileReader對象。接着，我們使用PdtFileReader對象的getPage方法獲取需要的PDF頁面，並通過PdtFileWriter對象的addPage方法增加頁面。PdtFileWriter類有很多方法，如添加空白頁的addBlankPage方法、添加書簽的addBookmark方法、添加元信息的addMetadata方法以及對PDF進行加密的encrypt方法。在PdtFileWriter類的所有方法中，最常用的是addPage方法。

getNumPages方法獲取PdtFileWriter擁有的PDF頁面數。

　　2、使用encrypt方法對PDF文件進行加密。

output.encrypt('123456')
outputStream = (open(u'Python Linux系統管理與自動化運維_test.pdf', 'wb'))
output.write(outputStream)
outputStream.close()

  四、修改PDF頁面

　　需要修改PDF的頁面，PyPDF2也提供了部分支持，如旋轉頁面、添加水印。PageObject類中有部分方法可以修改PDF頁面，其中，rotateClockwise和rotateCounterClockwise方法用來旋轉頁面。這兩個方法只接受一個參數，且參數取值必須是90的倍數，表示旋轉多少度。下面的代碼將redbooks.pdf文件的首頁旋轉180度，並保存到一個新的文件中。

　　1、旋轉文檔

import PyPDF2
reader = PyPDF2.PdfFileReader(open(u'Python Linux系統管理與自動化運維.pdf', 'rb'))
writer = PyPDF2.PdfFileWriter()
page = reader.getPage(20)
page.rotateClockwise(90)
writer.addPage(page)
outputStream = open("test.pdf", "wb")
writer.write(outputStream)
outputStream.close()

　　2、給文檔添加水印

import PyPDF2
reader = PyPDF2.PdfFileReader(open(u'Python Linux系統管理與自動化運維.pdf', 'rb'))
watermark = PyPDF2.PdfFileReader(open(u'Python Linux系統管理與自動化運維.pdf', 'rb'))
writer = PyPDF2.PdfFileWriter()

for i in range(reader.getNumPages()):
    page = reader.getPage(i)
    page.mergePage(watermark.getPage(0))
    writer.addPage(page)
output_stream = open("watermark-test.pdf", 'wb')
writer.write(output_stream)
output_stream.close()