哈喽大家好，今天我們來展示一下，如何使用 Python 批量將 world 文檔轉變為 PDF 格式。
話不多說，直接開整！
pypdf2 是一個 Python 模塊，可以用來讀取、寫入和操作 PDF 文件。要安裝 pypdf2 模塊，請按照以下步驟操作：
確保你已經安裝了 Python。你可以在終端或命令提示符中輸入 python --version 來檢查 Python 是否已安裝。
pypdf2 模塊的安裝：
ModuleNotFoundError: No module named ‘PyPDF2’
安裝完成後，你可以在 Python 中使用 pypdf2 模塊來讀取、寫入和操作 PDF 文件。
例如，要讀取一個 PDF 文件中的文本內容，你可以在 Python 腳本中導入 pypdf2 模塊，然後使用 PdfFileReader 類讀取文件並遍歷每個頁面。下面是一個簡單的示例代碼：
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())
這將打印出 PDF 文件中的每個頁面的文本內容。
注意：
因 PyPDF2 版本更新原因，一些類和函數已經過時，想要採用替代函數，例如獲取 pdf 頁數 getNumPages 替換為直接使用 len (reader.pages)。
下面是兩個報錯的提示，把函數替換掉就行
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.
利用 Python 代碼實現批量 word 文檔轉換成 PDF 格式
並對轉換的文檔，進行頁碼統計，如下（代碼示例）
# -*- coding:utf-8 -*-
import os # 導入系統功能模塊
from win32com.client import Dispatch, DispatchEx # 導入pywin32模塊的client包下的函數
from win32com.client import constants # 導入pywin32模塊的client包下的保存COM常量的類
from win32com.client import gencache # 導入pywin32模塊的client包下的gencache函數
from PyPDF2 import PdfReader # 獲取頁碼用
import re # 導入正則表達式模塊
import pythoncom # 導入封裝了OLE自動化API的模塊，該模塊為pywin32的子模塊
'''獲取指定目錄下的文件
filepath：要遍歷的目錄
filelist_out：輸出文件列表
file_ext：文件的擴展名，默認為任何類型的文件
'''
def getfilenames(filepath='',filelist_out=[],file_ext='all'):
# 遍歷filepath下的所有文件，包括子目錄下的文件
for fpath, dirs, fs in os.walk(filepath):
for f in fs:
fi_d = os.path.join(fpath, f)
if file_ext == '.doc': # 遍歷Word文檔文件
if os.path.splitext(fi_d)[1] in ['.doc','.docx']: # 判斷是否為Word文件
filelist_out.append(re.sub(r'\\','/',fi_d)) # 添加到路徑列表中
else:
if file_ext == 'all': # 要獲取所有文件的情況
filelist_out.append(fi_d) # 將文件路徑添加到路徑列表中
elif os.path.splitext(fi_d)[1] == file_ext: # 要獲取除了Wrod文件以外的文件
filelist_out.append(fi_d) # 將文件路徑添加到路徑列表中
else:
pass
filelist_out.sort() # 對路徑進行排序
return filelist_out # 返回文件完整路徑列表
# Word轉換為PDF(多個文件)
def wordtopdf(filelist,targetpath):
totalPages = 0 # 記錄總頁碼
valueList = []
try:
pythoncom.CoInitialize() # 調用線程初始化COM庫，解決調用Word 2007時出現“尚未調用CoInitialize”錯誤的問題
gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)
# 開始轉換
w = Dispatch("Word.Application")
for fullfilename in filelist:
(filepath,filename) = os.path.split(fullfilename) # 分割文件路徑和文件名，其中，filepath表示文件路徑；filename表示文件名
softfilename = os.path.splitext(filename) # 分割文件名和擴展名
os.chdir(filepath)
doc = os.path.abspath(filename)
os.chdir(targetpath)
pdfname = softfilename[0] + ".pdf"
output = os.path.abspath(pdfname)
pdf_name = output
# 文檔路徑需要為絕對路徑，因為Word啟動後當前路徑不是調用腳本時的當前路徑。
try: # 捕捉異常
doc = w.Documents.Open(doc, ReadOnly=1)
doc.ExportAsFixedFormat(output, constants.wdExportFormatPDF, \
Item=constants.wdExportDocumentWithMarkup,
CreateBookmarks=constants.wdExportCreateHeadingBookmarks)
except Exception as e: # 處理異常
print(e)
if os.path.isfile(pdf_name): # 判斷文件是否存在
# 獲取頁碼
pages = getPdfPageNum(pdf_name) # 獲取頁碼
valueList.append([fullfilename,str(pages)])
totalPages += pages # 累加頁碼
# os.remove(pdf_name) # 刪除生成的PDF文件
else:
print('轉換失敗！')
return False
w.Quit(constants.wdDoNotSaveChanges) # 退出Word應用程序
return totalPages,valueList # 返回總頁碼和每個文檔的頁碼
except TypeError as e:
print('出錯了！')
print(e)
return False
'''
功能：統計文檔頁碼
path：文件絕對路徑
'''
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代碼示例/word/" # 指定源路徑（Word文檔所在路徑）
targetpath = r"C:/Users/Lenovo/Desktop/python代碼示例/pdf/" # 指定目標路徑（PDF保存路徑）
filelist = getfilenames(sourcepath,[],'.doc') # 獲取Word文檔路徑
valueList = wordtopdf(filelist,targetpath) # 實現將Word文檔批量轉換為PDF
resultList = valueList[1] # 獲取統計結果
if valueList:
for i in resultList:
print(i[0],i[1])
totalPages = str(valueList[0]) # 總頁數
print("合計頁數：",totalPages)
else:
print("沒有要統計的文件或者統計失敗！")