1.Word文档批量转PDF格式
import os
import win32com.client
from docx import Document
def convert_word_to_pdf(source_directory, target_directory):
word_app = win32com.client.Dispatch("Word.Application")
word_app.Visible = False
# 创建目标文件夹
os.makedirs(target_directory, exist_ok=True)
for filename in os.listdir(source_directory):
if filename.endswith(".docx"):
docx_file = os.path.join(source_directory, filename)
pdf_file = os.path.splitext(filename)[0] + ".pdf"
pdf_path = os.path.join(target_directory, pdf_file)
doc = word_app.Documents.Open(docx_file)
doc.SaveAs(pdf_path, FileFormat=17)
doc.Close()
word_app.Quit()
# 指定源目录和目标目录的路径
source_directory = r"D:\系统桌面(勿删)\Desktop\合同文件"
target_directory = r"D:\系统桌面(勿删)\Desktop\PDF文件转化"
# 调用函数并传入源目录和目标目录的路径
convert_word_to_pdf(source_directory, target_directory)
2.批量合并PDF文档为一个
import os
from PyPDF2 import PdfMerger
def merge_pdfs(source_directory, output_file):
merger = PdfMerger()
for filename in os.listdir(source_directory):
if filename.endswith(".pdf"):
pdf_path = os.path.join(source_directory, filename)
merger.append(pdf_path)
merger.write(output_file)
merger.close()
# 获取当前目录路径
current_directory = os.getcwd()
# 指定源目录和输出文件的路径
source_directory = r"D:\系统桌面(勿删)\Desktop\PDF文件转化"
output_file = os.path.join(current_directory, r"D:\系统桌面(勿删)\Desktop\PDF文件合并.pdf")
# 调用函数并传入源目录和输出文件的路径
merge_pdfs(source_directory, output_file)
3.批量提取PDF信息存为Excel
import re
import pandas as pd
import PyPDF2
# 打开PDF文件
with open(r'D:\系统桌面(勿删)\Desktop\PDF文件合并.pdf', 'rb') as file:
reader = PyPDF2.PdfFileReader(file)
num_pages = reader.numPages
# 通过每一页提取信息
info = []
for page_num in range(num_pages):
page = reader.getPage(page_num)
text = page.extractText()
print(text)
import re
import pandas as pd
import PyPDF2
# 打开PDF文件
with open(r'D:\系统桌面(勿删)\Desktop\PDF文件合并.pdf', 'rb') as file:
reader = PyPDF2.PdfFileReader(file)
num_pages = reader.numPages
# 通过每一页提取信息
info = []
for page_num in range(num_pages):
page = reader.getPage(page_num)
text = page.extractText()
# 使用正则表达式匹配所需信息
HT_No = re.findall(r'合同编号：\s*(.*)', text)
name1 = re.findall(r'甲方：\s*(.*)', text)
name2 = re.findall(r'乙方：\s*(.*)', text)
catege = re.findall(r'品名：\s*(.*)', text)
weight = re.findall(r'采购数量（斤）：\s*(.*)', text)
price = re.findall(r'采购单价（元 /斤）：\s*(.*)', text)
price_sum = re.findall(r'总价（元）：\s*(.*)', text)
# 将信息添加到列表中
info.append({'合同编号': HT_No[0] if HT_No else '',
'甲方': name1[0] if name1 else '',
'乙方': name2[0] if name2 else '',
'品名': catege[0] if catege else '',
'采购数量': weight[0] if weight else '',
'采购单价': price[0] if price else '',
'总价': price_sum[0] if price_sum else ''}
)
# 将信息保存为Excel文件
df = pd.DataFrame(info)
df.to_excel(r'D:\系统桌面(勿删)\Desktop\数据提取.xlsx', index=False)
以上，我们使用Python成功解决Word批量转PDF格式、批量合并PDF文档、批量提取PDF内信息到Excel，使用Python轻松实现，不仅省时省力，而且可复用性强，只需部分修改即可应用其他文档操作，这对于信息获取、整理和分析具有重要的意义，如果你在代码编译过程中有任何疑问或建议，可在评论区留言，随时与我交流。
关注和星标『大话数据分析』
👆点击关注｜设为星标｜干货速递👆
三年互联网数据分析经验，擅长Excel、SQL、Python、PowerBI数据处理工具，数据可视化、商业数据分析技能，统计学、机器学习知识，持续创作数据分析内容，点赞关注，不迷路。