Python 文档操作



Python 文档操作

搞懂Python对图片和文档的基本操作

用程序来处理图像和办公文档经常出现在实际开发中,Python的标准库中虽然没有直接支持这些操作的模块,但我们可以通过Python生态圈中的第三方模块来完成这些操作。

操作图像

计算机图像相关知识

颜色:混合红、黄、蓝三种颜料可以得到其他的颜色,事实上这三种颜色就是被我们称为美术三原色的东西,它们是不能再分解的基本颜色。在计算机中,我们可以将红、绿、蓝三种色光以不同的比例叠加来组合成其他的颜色,因此这三种颜色就是色光三原色,所以我们通常会将一个颜色表示为一个RGB值或RGBA值(其中的A表示Alpha通道,它决定了透过这个图像的像素,也就是透明度)。
名称 RGBA值 名称 RGBA值
White (255, 255, 255, 255) Red (255, 0, 0, 255)
Green (0, 255, 0, 255) Blue (0, 0, 255, 255)
Gray (128, 128, 128, 255) Yellow (255, 255, 0, 255)
Black (0, 0, 0, 255) Purple (128, 0, 128, 255)
像素: 对于一个由数字序列表示的图像来说,最小的单位就是图像上单一颜色的小方格,这些小方块都有一个明确的位置和被分配的色彩数值,而这些一小方格的颜色和位置决定了该图像最终呈现出来的样子,它们是不可分割的单位,我们通常称之为像素(pixel)。每一个图像都包含了一定量的像素,这些像素决定图像在屏幕上所呈现的大小.

用Pillow操作图像

Pillow是由从著名的Python图像处理库PIL发展出来的一个分支,通过Pillow可以实现图像压缩和图像处理等各种操作。可以使用下面的命令来安装Pillow。
 pip install pillow

Pillow中最为重要的是Image类,读取和处理图像都要通过这个类来完成。
 >>> from PIL import Image
>>>
>>> image = Image.open('./uploads/1.jpg')
>>> image.format, image.size, image.mode
('JPEG', (500, 750), 'RGB')
>>> image.show()

剪裁图像

 >>> image = Image.open('./uploads/1.jpg')
>>> rect = 80, 20, 310, 360
>>> image.crop(rect).show()

参数说明

left:与左边界的距离
up:与上边界的距离
right:还是与左边界的距离
below:还是与上边界的距离

简而言之就是,左上右下。

生成缩略图

 >>> image = Image.open('./uploads/1.jpg')
>>> size = 128, 128
>>> image.thumbnail(size)
>>> image.show()

缩放和黏贴图像

 >>> image1 = Image.open('./uploads/1.jpg')
>>> image2 = Image.open('./uploads/2.jpg')
>>> rect = 80, 20, 310, 360
>>> guido_head = image2.crop(rect)
>>> width, height = guido_head.size
>>> image1.paste(guido_head.resize((int(width / 1.5), int(height / 1.5))), (172, 40))

旋转和翻转

 >>> image = Image.open('./res/guido.png')
>>> image.rotate(180).show()
>>> image.transpose(Image.FLIP_LEFT_RIGHT).show()

操作像素

 >>> image = Image.open('./res/guido.jpg')
>>> for x in range(80, 310):
... for y in range(20, 360):
... image.putpixel((x, y), (128, 128, 128))
...
>>> image.show()

滤镜效果

 >>> from PIL import Image, ImageFilter
>>>
>>> image = Image.open('./res/guido.jpg')
>>> image.filter(ImageFilter.CONTOUR).show()

处理Excel电子表格

Python的openpyxl模块让我们可以在Python程序中读取和修改Excel电子表格,当然实际工作中,我们可能会用LibreOffice Calc和OpenOffice Calc来处理Excel的电子表格文件,这就意味着openpyxl模块也能处理来自这些软件生成的电子表格。

写入excel

 import xlwt
# 创建一个workbook 设置编码
workbook = xlwt.Workbook(encoding = 'utf-8')
# 创建一个worksheet
worksheet = workbook.add_sheet('animal')
# 写入excel
# 参数对应 行, 列, 值
worksheet.write(1,0, label = 'cat')
# 保存
workbook.save('test.xlsx')

读取excel

 from openpyxl import load_workbook
wb = load_workbook(filename = 'test.xlsx')
sheet_ranges = wb['range names']
print(sheet_ranges['D18'].value)

执行结果:
cat

设置单元格宽度

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
worksheet.write(0, 0,'cat')
# 设置单元格宽度
worksheet.col(0).width = 3333
workbook.save('test.xlsx')

输入一个日期到单元格

 import xlwt
import datetime
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
style = xlwt.XFStyle()
style.num_format_str = 'M/D/YY' # Other options: D-MMM-YY, D-MMM, MMM-YY, h:mm, h:mm:ss, h:mm, h:mm:ss, M/D/YY h:mm, mm:ss, [h]:mm:ss, mm:ss.0
worksheet.write(0, 0, datetime.datetime.now(), style)
workbook.save('test.xlsx')

向单元格添加一个公式

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
worksheet.write(0, 0, 5) # Outputs 5
worksheet.write(0, 1, 2) # Outputs 2
worksheet.write(1, 0, xlwt.Formula('A1*B1')) # Should output "10" (A1[5] * A2[2])
worksheet.write(1, 1, xlwt.Formula('SUM(A1,B1)')) # Should output "7" (A1[5] + A2[2])
workbook.save('test.xlsx')

添加超链接

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
worksheet.write(0, 0, xlwt.Formula('HYPERLINK("http://www.baidu.com";"baidu")')) # Outputs the text "Google" linking to http://www.baidu.com
workbook.save('test.xlsx')

合并列和行

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
worksheet.write_merge(0, 0, 0, 3, 'First Merge') # Merges row 0's columns 0 through 3.
font = xlwt.Font() # Create Font
font.bold = True # Set font to Bold
style = xlwt.XFStyle() # Create Style
style.font = font # Add Bold Font to Style
worksheet.write_merge(1, 2, 0, 3, 'Second Merge', style) # Merges row 1 through 2's columns 0 through 3.
workbook.save('test.xlsx')

内容对其方式

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
alignment = xlwt.Alignment() # Create Alignment
alignment.horz = xlwt.Alignment.HORZ_CENTER # May be: HORZ_GENERAL, HORZ_LEFT, HORZ_CENTER, HORZ_RIGHT, HORZ_FILLED, HORZ_JUSTIFIED, HORZ_CENTER_ACROSS_SEL, HORZ_DISTRIBUTED
alignment.vert = xlwt.Alignment.VERT_CENTER # May be: VERT_TOP, VERT_CENTER, VERT_BOTTOM, VERT_JUSTIFIED, VERT_DISTRIBUTED
style = xlwt.XFStyle() # Create Style
style.alignment = alignment # Add Alignment to Style
worksheet.write(0, 0, 'Cell Contents', style)
workbook.save('test.xls')

单元格议添加边框

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('animal')
borders = xlwt.Borders() # Create Borders
borders.left = xlwt.Borders.DASHED
# DASHED虚线,NO_LINE没有,THIN实线
# May be: NO_LINE, THIN, MEDIUM, DASHED, DOTTED, THICK, DOUBLE, HAIR, MEDIUM_DASHED, THIN_DASH_DOTTED, MEDIUM_DASH_DOTTED, THIN_DASH_DOT_DOTTED, MEDIUM_DASH_DOT_DOTTED, SLANTED_MEDIUM_DASH_DOTTED, or 0x00 through 0x0D.
borders.right = xlwt.Borders.DASHED
borders.top = xlwt.Borders.DASHED
borders.bottom = xlwt.Borders.DASHED
borders.left_colour = 0x40
borders.right_colour = 0x40
borders.top_colour = 0x40
borders.bottom_colour = 0x40
style = xlwt.XFStyle() # Create Style
style.borders = borders # Add Borders to Style
worksheet.write(0, 0, 'Cell Contents', style)
workbook.save('test.xls')

单元格设置背景色

 import xlwt
workbook = xlwt.Workbook()
worksheet = workbook.add_sheet('My Sheet')
pattern = xlwt.Pattern() # Create the Pattern
pattern.pattern = xlwt.Pattern.SOLID_PATTERN # May be: NO_PATTERN, SOLID_PATTERN, or 0x00 through 0x12
pattern.pattern_fore_colour = 5 # May be: 8 through 63. 0 = Black, 1 = White, 2 = Red, 3 = Green, 4 = Blue, 5 = Yellow, 6 = Magenta, 7 = Cyan, 16 = Maroon, 17 = Dark Green, 18 = Dark Blue, 19 = Dark Yellow , almost brown), 20 = Dark Magenta, 21 = Teal, 22 = Light Gray, 23 = Dark Gray, the list goes on...
style = xlwt.XFStyle() # Create the Pattern
style.pattern = pattern # Add Pattern to Style
worksheet.write(0, 0, 'Cell Contents', style)
workbook.save('Excel_Workbook.xlsx')

处理Word文档

利用python-docx模块,Pytho 可以创建和修改Word文档,当然这里的Word文档不仅仅是指通过微软的Office软件创建的扩展名为docx的文档,LibreOffice Writer和OpenOffice Writer都是免费的字处理软件。

读取word

 import docx 
#打开demo.docx文档,返回一个Document对象,它有paragraphs属性时Paragraph对象的列表。
doc = docx.Document('test.docx')
print(len(doc.paragraphs))
print(doc.paragraphs[0].text)
print(doc.paragraphs[1].text)
#每个Paragraph对象也有一个runs属性,它是Run对象的列表。
print(len(doc.paragraphs[1].runs))
#Run对象也有一个text属性,包含那个延续的文本
print(doc.paragraphs[1].runs[0].text)

取得完整的文本

如果你只关心Word文档的文本,不关心样式信息,就可以利用getText()函数。 它接受一个.docx文件名,返回其中文本的字符串。
 import docx
 
def getText(filename):
    doc = docx.Document(filename)
    fullText = []
    for para in doc.paragraphs:
        fullText.append(para.text)
    return '\n'.join(fullText)
print(getText('demo.docx'))

设置Paragraph和Run对象的样式

对于Word文档,有3种类型的样式:

段落样式可以应用于Paragraph对象;
字符样式可以应用于Run对象;
链接的样式可以应用于这两种对象。

可以将Paragraph和Run对象的style属性设置为一个字符串,从而设置样式。如果style属性被设置为None,就没有样式于Paragraph或Run对象关联。在设置style属性时,不要在样式名称中使用空格。

例如,样式名称可能时Subtle Emphasis,你应该将属性设置为字符串’SubtleEmphasis’。如果对Run对象应用链接的样式,需要在样式名称末尾加上’Char’。例如,对于Paragraph对象设置Quote链接的样式,应该使用paragraphObj.style=’Quote’。但对于Run对象,应该使用runObj.style=’QuoteChar’。

Word的Run属性

通过text属性,Run可以进一步设置样式。每个属性都可以被设置为3个值之一:True(该属性总是启用,不论其他样式是否应用于Run)、False(该属性总是禁用)或None(默认使用该Run被设置的任何属性)。

Run对象的text属性:bold、italic、underline、strike、double_strike、all_caps等等。
 import docx
 
doc = docx.Document('demo.docx')
 
doc.paragraphs[0].text
>> 'Document Title'
doc.paragraphs[0].style
>> 'Title'
 
doc.paragraphs[0].style = 'Normal'
doc.paragraphs[1].runs[0].style = 'QuoteChar'
doc.paragraphs[1].runs[1].underline = True
doc.paragraphs[1].runs[3].underline = True
 
doc.save('restyle.docx')

写入word

要创建自己的.docx文件,就调用docx.Document,返回一个新的、空白的Word Document对象。

Document对象的add_paragraph()方法将一段新文本添加到文档中,并返回添加的Paragraph对象的引用。

在添加文本之后,向Document对象的save()方法传入一个文件名字符串,将Document对象保存到文件。
 from docx import Document
document = Document()
#直接添加标题
document.add_heading(u'Python 操作Word实例', 3)
#先定义标题,再添加内容
p_total = document.add_heading()
r_total = p_total.add_run("执行结果如下:")
r_total.font.bold = True
# 增加表格
table = document.add_table(rows=1, cols=3, style="Light List Accent 5")
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'testName'
hdr_cells[1].text = 'param'
hdr_cells[2].text = 'exc'
for i in range(5):
    i = i + 1
    testName = "testName"+str(i)
    #img_name = "./test.jpg"
    param = "param"+str(i)
    exc="exc"+str(i)
    row_cells = table.add_row().cells
    row_cells[0].text = testName
    row_cells[1].text = param
    row_cells[2].text = exc
#添加二级标题
p_total = document.add_heading("", 2)
r_total = p_total.add_run(testName)
r_total.font.bold = True
# 保存文档
document.save("./test.docx")

处理PDF文档

PDF是Portable Document Format的缩写,使用.pdf作为文件扩展名。接下来我们就研究一下如何通过Python实现从PDF读取文本内容和从已有的文档生成新的PDF文件。

读取PDF内容

 import PyPDF2
pdfFileObj = open('meetingminutes.pdf','rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
# pdf内容多少页
print(pdfReader.numPages)
pageObj = pdfReader.getPage(0)
# 读取pdf内容
pageObj.extractText()

解密PDF

某些PDF文档有加密功能,以防止别人阅读,只有在打开文档前时提供口令后才能阅读。
 import PyPDF2
pdfFile = open('encrypted.pdf','rb')
pdfReader = PyPDF2.PdfFileReader(pdfFile)
# 返回True说明时加密的PDF
print(pdfReader.isEncrypted)
#调用decrypt()函数,传入口令字符串,返回1说明口令正确,之后就可以进行读取操作了
pdfReader.decrypt('rosebud')

加密PDF

PdfFileWriter对象也可以为PDF文档进行加密。
 import PyPDF2
pdfFile = open('test.pdf','rb')
pdfReader = PyPDF2.PdfFileReader(pdfFile)
 
pdfWriter = PyPDF2.PdfFileWriter()
 
#我们将meetingminutes.pdf的页面拷贝到PdfFIleWriter对象
for pageNum in range(pdfReader.numPages):
    pageObj = pdfReader.getPage(pageNum)
    pdfWriter.addPage(pageObj)
 
#用口令swordfish加密了PdfFileWriter对象
pdfWriter.encrypt('swordfish')
#打开了一个名为encryptminutes.pdf的新PDF,将PdfFileWriter的内容写入新的PDF
resultPdf = open('test1.pdf','wb')
pdfWriter.write(resultPdf)
 
resultPdf.close()

创建PDF

 import PyPDF2
#打开PDF,创建File对象,还有创建PdfFileReader对象,从打开的PDF中读取数据
pdf1File = open('test1.pdf','rb')
pdf2File = open('test2.pdf','rb')
pdf1Reader = PyPDF2.PdfFileReader(pdf1File)
pdf2Reader = PyPDF2.PdfFileReader(pdf2File)
 
#PdfFileWriter对象,表示一个空白的PDF文档,可以往里面写数据
pdfWriter = PyPDF2.PdfFileWriter()
 
#通过页面循环写入到pdfWriter对象中,pdf1Reader.getPage(pageNum)返回的就是该页面的内容
for pageNum in range(pdf1Reader.numPages):
    pageObj = pdf1Reader.getPage(pageNum)
    pdfWriter.addPage(pageObj)
for pageNum in range(pdf2Reader.numPages):
    pageObj = pdf2Reader.getPage(pageNum)
    pdfWriter.addPage(pageObj)
 
#通过open()新建一个PDF文档,然后把pdfWriter的内容写入到pdfOutputFile中。
pdfOutputFile = open('test3.pdf','wb')
pdfWriter.write(pdfOutputFile)
pdfOutputFile.close()
pdf1File.close()
pdf2File.close()