
作者:刘早起
来源:早起Python
大家好,又到了python办公自动化专题。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,彻底解放双手,那么本文就来盘一盘如何使用Python来将Word/Excel/PPT/Markdown/Html等各种格式的文件转换为PDF!
Word转PDF
Word转PDF应该是最常见的需求了,毕竟使用PDF格式可以更方便展示文档,虽然在Word中可以直接导出为PDF格式,但是使用Python可以批量转换,更加高效。
目前在Python中针对Word转换为PDF的库有很多,比如win32就可以调用word底层vba,将word转成pdf,或者comtypes等,但是这些常用的库仅能在Windows机器上运行,所以为了照顾mac用户本文使用一个比较小众的库docx2pdf,看名字就能知道这是专门用于word转pdf,安装很简单
pip install docx2pdf
使用也比win32等库更简洁,一行代码导入一行代码转换即可
from docx2pdf import convert convert("input.docx", "output.pdf")
但是有人就会说虽然简单,但是这个操作word本身就可以完成,好的接下来放大招,我们可以使用下面的代码找到当前或者指定文件夹下的全部word文件
#查找当前目录下的全部word文件 import os import glob from pathlib import Path path = os.getcwd() + '/' p = Path(path) #初始化构造Path对象 FileList=list(p.glob("**/*.docx"))
接下来只要写一个循环就可以将该目录下的全部word一次性转换为PDF
for file in FileList: convert(file,f"{file}.pdf")
就这样,不到10行代码,只要一秒,指定文件夹中5份Word就轻松转换为PDF,现在还能使用我们之前自动化系列文章写过的批量合并PDF结合一键合并这5份PDF!
Excel转PDF
Excel转PDF可能平时用的不多,但是作为Office全家桶中的重要工具,并且转换完的表格可以复制所以我们也讲一下。使用到的工具既不是常用的openpyxl也不是pandas,而是另一个专门用于处理PDF的库fpdf
import pandas as pd import numpy as np df_1 = pd.DataFrame(np.random.randn(10, 2), columns=list('AB'))
为了方便讲解我们使用Pandas和NumPy来创建一个示例数据文件,当然也可以使用从本地读取
现在可以使用下面的代码将这个表格转换为PDF
from fpdf import FPDF pdf = FPDF() pdf.add_page() pdf.set_xy(0, 0) pdf.set_font('arial', 'B', 14) pdf.cell(60) pdf.cell(70, 10, 'Excel to PDF', 0, 2, 'C') pdf.cell(-40) pdf.cell(50, 10, 'Index Column', 1, 0, 'C') pdf.cell(40, 10, 'A', 1, 0, 'C') pdf.cell(40, 10, 'B', 1, 2, 'C') pdf.cell(-90) pdf.set_font('arial', '', 12) for i in range(0, len(df_1)): col_ind = str(i) col_a = str(df_1.A.iloc[i]) col_b = str(df_1.B.iloc[i]) pdf.cell(50, 10, '%s' % (col_ind), 1, 0, 'C') pdf.cell(40, 10, '%s' % (col_a), 0, 0, 'C') pdf.cell(40, 10, '%s' % (col_b), 0, 2, 'C') pdf.cell(-90) pdf.output('Excel2PDF.pdf', 'F')
,其实思路和openpyxl类似,遍历每一个单元格并写入数据,只不过现在是往PDF文件中写入。
PPT转PDF
本节介绍一下PPT如何转换为PDF,但是我搜了一大圈都没有MAC用户可以实现的方法,所以只能针对Windows去操作,使用到的就是在word2pdf中讲到的comtypes
import sys import os import comtypes.client #设置路径 input_file_path = sys.argv[1] output_file_path = sys.argv[2] input_file_path = os.path.abspath(input_file_path) output_file_path = os.path.abspath(output_file_path) #创建PDF powerpoint = comtypes.client.CreateObject("Powerpoint.Application") powerpoint.Visible = 1 slides = powerpoint.Presentations.Open(input_file_path) #保存PDF slides.SaveAs(output_file_path, 32) slides.Close()
相关参数与细节可以查阅comtypes官方文档,因为我是mac所以没有过多研究,在成功转换之后就可以和我们之前的批量操作与合并进行结合实现自动化了!
md转pdf
关于markdown转pdf,几乎所有markdown编辑器都支持导出为pdf格式,本以为这个需求并不高,但是研究了一圈发现很多老外造了很多md转pdf的轮子,比如md2pdf、markdown2pdf、md2pdf-client等。因为大多数博客使用的是markdown格式,使用这些库可以很好的将博客文章批量转换为PDF文档存储。
早起都试了一圈,找到一个语法最简单的markdown2pdf3,直接pip安装即可,使用两行代码即可将一个md文件转换为pdf
from markdown2pdf3 import * convert_markdown_to_pdf('test.md') #你的markdown文件路径
但是要注意的是如果有中文,还需要进行一些额外的设置,可以查阅官方文档,不过现在就能和之前讲的Word转PDF结合,批量转换指定路径下的全部markdown文件为pdf,比如可以使用下面的代码找到当前文件夹下的全部md文件
import os import glob from pathlib import Path path = os.getcwd() + '/' p = Path(path) #初始化构造Path对象 FileList=list(p.glob("**/*.md"))
html转pdf
关于html也就是网页转为PDF是来问我最多的问题,其实很简单,之前在Selenium爬取公众号全部文章这篇文章中就提到使用PDFKIT即可,但是并不是直接pip安装pdfkit就行,我们需要提前进入下面的网站选择自己电脑系统对应的wkhtmltopdf下载安装
https://wkhtmltopdf.org/downloads.html
安装完使用pip安装pdfkit
pip install pdfkit
现在我们就能使用两行代码转换指定网页为PDF格式,比如将我的第一篇自动化文章转为PDF
看起来效果还是非常好的,所有格式包括代码都完整的保存了下来,接下来怎么做就不用我多说了,比如你想下载一个公众号所有文章为PDF格式,那就先将历史文章URL提取出来,接着使用pdfkit转换即可,而这两步骤我们都已经详细讲解过了!
——热门课程推荐:
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23