python与pdf与word（datawhale组队学习task3)_python page.extract_text()无数据

目录

pdf

pdf信息的读取：

pdf的添加和保存

pdf加密与解密（encrypt（password））：

word

基础操作：

插入图片：

添加表格：

---

pdf

模块：PyPDF2 和 pdfplumber

pdf信息的读取：

PyPDF2.PdfReader(filepath)读取pdf的信息

import PyPDF2 as p2
pdf1 = p2.PdfReader('易方达中小盘混合型证券投资基金2020年中期报告.pdf')
print(pdf1.getNumPages())
#获取pdf页码数量

读取页面中的文字：

pdf2 = pdfplumber.open('易方达中小盘混合型证券投资基金2020年中期报告.pdf')
for page in pdf2.pages:
    print(page.extract_text())
#读取所有内容

pdf2 = pdfplumber.open('易方达中小盘混合型证券投资基金2020年中期报告.pdf')
print(pdf2.pages[0].extract_text())
#利用索引打印第一页内容

获取页面中的表格：

print(pdf2.pages[6].extract_table())
#hu获取pdf中的表格（第7页）

pdf的添加和保存

pdf = PdfFileWriter()
pdf.addpage()
'''添加页面'''
with  with open(save_filepath, "wb") as out:
    pdf.write(out)
'''保存pdf'''

pdf加水印（需要有一个含有水印的空白图片）：

watermark = PdfFileReader(watermark_filepath)#空白水印的文件
watermark_page = watermark.getPage(0)
pdf_reader = PdfFileReader(filepath)#要添加水印的pdf
pdf_writer = PdfFileWriter()
for page_index in range(pdf_reader.getNumPages()):
    current_page = pdf_reader.getPage(page_index)
    # 封面页不添加水印
    if page_index == 0:
        new_page = current_page
    else:
        new_page = copy(watermark_page)
        new_page.mergePage(current_page)
    pdf_writer.addPage(new_page)
 # 保存水印后的文件
 with open(save_filepath, "wb") as out:
    pdf_writer.write(out)

pdf加密与解密（encrypt（password））：

pdf3 = p2.PdfWriter()
for page in range(pdf1.getNumPages()):
    pdf3.addPage(pdf1.getPage(page))
pdf3.encrypt('12345')
#设置加密密码
with open('../python&pdf&word/加密文件.pdf', "wb") as out:
     pdf3.write(out)

加密后效果：

解密：

 

pdf3 = p2.PdfReader('加密文件.pdf')
pdf3.decrypt('12345')
pdfdecrypted = p2.PdfWriter()
for index in range(pdf3.getNumPages()):
    pdfdecrypted.addPage(pdf3.getPage(index))
 
out2 = open('解密后文件.pdf','wb')
pdfdecrypted.write(out2)

---

word

模块：python-docx

基础操作：

doc_1 = docx.Document()可新建文档
add_heading('')添加标题
add_run('')添加文字
add_paragraph()添加段落

import docx
doc_1 = docx.Document()
'''新建doc'''
'''添加标题（0相当于文章的题目，默认级别是1，级别范围为0-9）'''
doc_1.add_heading('新建空白文档标题，级别为1',level = 1)
doc_1.add_heading('新建空白文档标题，级别为2',level = 2)
 
para1 = doc_1.add_paragraph('第一个段落')
'''添加段落'''
 
para1.add_run('加粗字体').bold = True
para1.add_run('普通字体')
'''增加文字同时可以添加样式'''
 
para2 = para1.insert_paragraph_before('在第一段文字前插入的段落')
'''在原有段落前插入段落'''
 
doc_1.add_page_break()
'''分页'''
 
para3 = doc_1.add_paragraph('第二页的段落')
'''新一页的段落'''
 
heading1 = doc_1.add_heading('jay chou')
heading1.alignment = docx.enum.text.WD_PARAGRAPH_ALIGNMENT.CENTER
'''添加标题并设置居中
WD_ALIGN_PARAGRAPH. LEFT：左对齐；
#WD_ALIGN_PARAGRAPH. CENTER：居中对其；
#WD_ALIGN_PARAGRAPH. RIGHT：右对齐；
#WD_ALIGN_PARAGRAPH. JUSTIFY：两端对齐；
'''
 
para3.paragraph_format.first_line_indent =docx.share.Cm(0.75)
para3.paragraph_format.line_spacing =  1.5
'''
设置样式：缩进0。75cm
行距1。5北
'''
 
text = '中国台湾华语流行歌手、' \
       '音乐创作家、作曲家、作词人、' \
       '制作人、杰威尔音乐公司老板之一、导演。' \
       '近年涉足电影行业。周杰伦是2000年后亚洲流行乐坛最具革命性与指标' \
       '性的创作歌手，有“亚洲流行天王”之称。他突破原有亚洲音乐的主题、形' \
       '式，融合多元的音乐素材，创造出多变的歌曲风格，尤以融合中西式曲风的嘻哈' \
       '或节奏蓝调最为著名，可说是开创华语流行音乐“中国风”的先声。周杰伦的' \
       '出现打破了亚洲流行乐坛长年停滞不前的局面，为亚洲流行乐坛翻开了新的一页！'
r1 = para3.add_run(text)
#段落增加文字
r1.font.size =docx.share.Pt(10)    #字号
r1.font.bold = True       #加粗
r1.font.color.rgb =docx.share.RGBColor(255,0,0)      #颜色
'''添加样式'''
 
doc_1.save('doc_1.docx')
'''保存文件'''

插入图片：

doc_1.add_picture('周杰伦.jpg',width=Inches(1.0), height=Inches(1.0))
 
 
 
inches需要从docx.shared导入

添加表格：

table1 = doc_1.add_table(rows=2, cols=1)
row_cells = table1.add_row().cells
#增加一行

实例（批量生成邀请函）

from openpyxl import load_workbook
from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.shared import RGBColor, Pt,Inches,Cm
from docx.oxml.ns import qn
 
 
path = r'D:\idea\cloud_analyse_game_sentiment\word自动化'
# 路径为Excel 文件所在的位置，可按实际情况更改
 
workbook = load_workbook(path + r'\excel到word.xlsx')
sheet = workbook.active   #默认的WorkSheet
 
n = 0   #为了不遍历标题（excel的第一行）
for row in sheet.rows:
    if n:
        company = row[0].value
        office = row[1].value
        name = row[2].value
        date = str(row[3].value).split()[0]
        print(company, office, name, date)
 
 
        doc = Document()
        heading_1 = '邀 请 函'
        paragraph_1 = doc.add_heading(heading_1, level=1)
        # 居中对齐
        paragraph_1.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
        # 单独修改较大字号
        for run in paragraph_1.runs:
            run.font.size = Pt(17)
 
        greeting_word_1 = '尊敬的'
        greeting_word_2 = '公司'
        greeting_word_3 = '，您好：'
        paragraph_2 = doc.add_paragraph()
 
        paragraph_2.add_run(greeting_word_1)
        r_1 = paragraph_2.add_run(company)
        r_1.font.bold = True  # 加粗
        r_1.font.underline = True    #下划线
 
        paragraph_2.add_run(greeting_word_2)
 
        r_2 = paragraph_2.add_run(office)
        r_2.font.bold = True  # 加粗
        r_2.font.underline = True    #下划线
 
        r_3 = paragraph_2.add_run(name)
        r_3.font.bold = True  # 加粗
        r_3.font.underline = True    #下划线
        paragraph_2.add_run(greeting_word_3)
 
        paragraph_3 = doc.add_paragraph()
        paragraph_3.add_run('现诚挚的邀请您于2021年10月27日参加DataWhale主办的享受开源2050活动，地点在北京鸟巢，希望您届时莅临参加。')
        paragraph_3.paragraph_format.first_line_indent = Cm(0.75)
        paragraph_3.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.LEFT
        paragraph_3.paragraph_format.space_after = Inches(1.0)
        paragraph_3.paragraph_format.line_spacing = 1.5
 
        paragraph_4 = doc.add_paragraph()
        date_word_1 = '邀请时间：'
        paragraph_4.add_run(date_word_1)
        paragraph_4.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
        sign_date = "{}年{}月{}日".format(date.split('-')[0], date.split('-')[1], date.split('-')[2])
        paragraph_4.add_run(sign_date).underline = True
        paragraph_4.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
        
        #设置全文字体
        for paragraph in doc.paragraphs:
            for run in paragraph.runs:
                run.font.color.rgb = RGBColor(0, 0, 0)
                run.font.name = '楷体'
                r = run._element.rPr.rFonts
                r.set(qn('w:eastAsia'), '楷体')
        doc.save(path + "\{}-邀请函.docx".format(name))
    n = n + 1

完