こんにちは、皆さん。今日は Python を使って、world 文書を PDF 形式に一括変換する方法を紹介します。
それでは、早速始めましょう！
pypdf2 は、PDF ファイルを読み書きおよび操作するための Python モジュールです。pypdf2 モジュールをインストールするには、以下の手順に従ってください。
Python がインストールされていることを確認してください。ターミナルまたはコマンドプロンプトで python --version と入力して、Python がインストールされているか確認できます。
pypdf2 モジュールのインストール：
ModuleNotFoundError: No module named ‘PyPDF2’
インストールが完了したら、Python で pypdf2 モジュールを使用して PDF ファイルを読み書きおよび操作できます。
例えば、PDF ファイル内のテキスト内容を読み取るには、Python スクリプトに pypdf2 モジュールをインポートし、PdfFileReader クラスを使用してファイルを読み込み、各ページを遍歴します。以下は簡単なサンプルコードです：
import pypdf2
pdf_file = pypdf2.PdfFileReader('example.pdf')
for page_num in range(pdf_file.getNumPages()):
page = pdf_file.getPage(page_num)
print(page.extractText())
これにより、PDF ファイル内の各ページのテキスト内容が印刷されます。
注意：
PyPDF2 のバージョン更新により、一部のクラスや関数が廃止されました。代替関数を使用することをお勧めします。例えば、pdf ページ数の取得には getNumPages を使用する代わりに len (reader.pages) を直接使用してください。
以下は 2 つのエラーメッセージのヒントです。関数を置き換えるだけで大丈夫です。
PyPDF2.errors.DeprecationError: PdfFileReader is deprecated and was removed in PyPDF2 3.0.0. Use PdfReader instead.
PyPDF2.errors.DeprecationError: reader.getNumPages is deprecated and was removed in PyPDF2 3.0.0. Use len(reader.pages) instead.
Python コードを利用して、word 文書を PDF 形式に一括変換し、変換された文書のページ数を統計します。以下はコードの例です：
# -*- coding:utf-8 -*-
import os # システム機能モジュールをインポート
from win32com.client import Dispatch, DispatchEx # pywin32モジュールのclientパッケージから関数をインポート
from win32com.client import constants # pywin32モジュールのclientパッケージからCOM定数を保存するクラスをインポート
from win32com.client import gencache # pywin32モジュールのclientパッケージからgencache関数をインポート
from PyPDF2 import PdfReader # ページ数を取得するため
import re # 正規表現モジュールをインポート
import pythoncom # OLE自動化APIをラップしたモジュールで、pywin32のサブモジュール
'''指定されたディレクトリ内のファイルを取得
filepath：遍歴するディレクトリ
filelist_out：出力ファイルリスト
file_ext：ファイルの拡張子、デフォルトは任意のタイプのファイル
'''
def getfilenames(filepath='',filelist_out=[],file_ext='all'):
# filepath内のすべてのファイルを遍歴、サブディレクトリ内のファイルも含む
for fpath, dirs, fs in os.walk(filepath):
for f in fs:
fi_d = os.path.join(fpath, f)
if file_ext == '.doc': # Word文書ファイルを遍歴
if os.path.splitext(fi_d)[1] in ['.doc','.docx']: # Wordファイルかどうかを判断
filelist_out.append(re.sub(r'\\','/',fi_d)) # パスリストに追加
else:
if file_ext == 'all': # すべてのファイルを取得する場合
filelist_out.append(fi_d) # ファイルパスをリストに追加
elif os.path.splitext(fi_d)[1] == file_ext: # Wordファイル以外のファイルを取得する場合
filelist_out.append(fi_d) # ファイルパスをリストに追加
else:
pass
filelist_out.sort() # パスをソート
return filelist_out # 完全なファイルパスリストを返す
# WordをPDFに変換（複数ファイル）
def wordtopdf(filelist,targetpath):
totalPages = 0 # 総ページ数を記録
valueList = []
try:
pythoncom.CoInitialize() # COMライブラリを初期化し、Word 2007を呼び出す際の「CoInitializeが呼び出されていない」エラーを解決
gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)
# 変換を開始
w = Dispatch("Word.Application")
for fullfilename in filelist:
(filepath,filename) = os.path.split(fullfilename) # ファイルパスとファイル名を分割
softfilename = os.path.splitext(filename) # ファイル名と拡張子を分割
os.chdir(filepath)
doc = os.path.abspath(filename)
os.chdir(targetpath)
pdfname = softfilename[0] + ".pdf"
output = os.path.abspath(pdfname)
pdf_name = output
# ドキュメントパスは絶対パスである必要があります。Wordを起動すると、現在のパスはスクリプトを呼び出したときのパスではありません。
try: # 例外をキャッチ
doc = w.Documents.Open(doc, ReadOnly=1)
doc.ExportAsFixedFormat(output, constants.wdExportFormatPDF, \
Item=constants.wdExportDocumentWithMarkup,
CreateBookmarks=constants.wdExportCreateHeadingBookmarks)
except Exception as e: # 例外を処理
print(e)
if os.path.isfile(pdf_name): # ファイルが存在するか判断
# ページ数を取得
pages = getPdfPageNum(pdf_name) # ページ数を取得
valueList.append([fullfilename,str(pages)])
totalPages += pages # ページ数を累計
# os.remove(pdf_name) # 生成されたPDFファイルを削除
else:
print('変換に失敗しました！')
return False
w.Quit(constants.wdDoNotSaveChanges) # Wordアプリケーションを終了
return totalPages,valueList # 総ページ数と各ドキュメントのページ数を返す
except TypeError as e:
print('エラーが発生しました！')
print(e)
return False
'''
機能：ドキュメントのページ数を統計
path：ファイルの絶対パス
'''
def getPdfPageNum(path):
with open(path, "rb") as file:
doc = PdfReader(file)
pagecount = len(doc.pages)
return pagecount
if __name__ == '__main__':
sourcepath = r"C:/Users/Lenovo/Desktop/pythonコード示例/word/" # ソースパスを指定（Word文書のパス）
targetpath = r"C:/Users/Lenovo/Desktop/pythonコード示例/pdf/" # ターゲットパスを指定（PDF保存パス）
filelist = getfilenames(sourcepath,[],'.doc') # Word文書のパスを取得
valueList = wordtopdf(filelist,targetpath) # Word文書を一括でPDFに変換
resultList = valueList[1] # 統計結果を取得
if valueList:
for i in resultList:
print(i[0],i[1])
totalPages = str(valueList[0]) # 総ページ数
print("合計ページ数：",totalPages)
else:
print("統計するファイルがないか、統計に失敗しました！")