本文所记述的是一些基础知识点中平时用的比较少的方法。对于常见的一些文件格式，python几乎都有相关的库来进行操作。

一、 excel和csv

首先阐述下个人观点，对excel和csv文件的操作首推pandas，不过pandas主要侧重于数据的处理，如果想进行其他操作可以查看以下两个模块：

使用openpyxl模块可以对excel文件进行一些精细化操作，比如格式、样式、公式、图标等都可以使用python来处理。只不过excel本身也可以使用VBA编程，如何取舍还要视情而定。

使用csv模块的reader和writer方法可以像操作普通文本文件一样读写csv文件，其中涉及一些参数，可以对csv文件的数据进行精细化的操作。使用csv.reader()读取的数据为多维的列表。

二、PDF

PDF是二进制文件，处理起来要比普通文本复杂，但是PDF在日常工作中的使用频率越来越高，还是值得关注。python中有一个专门用来操作PDF的库：PyPDF2。

1.基本的PDF读取

下面这段代码展示了基本的PDF读取流程，其输出的结果就是第一页的内容。

>>> import PyPDF2

>>> pdfFileObj = open(file, 'rb')

>>> pdfReader = PyPDF2.PdfFileReader(pdfFileObj)

>>> pdfReader.numPages # 输出文档的页数

>>> pageObj = pdfReader.getPage(0)

>>> pageObj.extractText() # 输出文档的内容

在这个过程中，首先将pdf打开、读入，然后取得指定的page对象，才能通过extractText()方法获取文本内容。

2.加密PDF的读取

有些pdf是经过加密的，可以通过pdfReader.isEncrypted属性判断文档是否通过加密，如果经过加密则输出结果为True。可以使用pdfReader.decrypt('密码')方法进行解密，返回“1”表示解密成功，可以正常获取page对象及其后的操作。

>>> import PyPDF2

>>> pdfReader = PyPDF2.PdfFileReader(open('encrypted.pdf', 'rb'))

>>> pdfReader.isEncrypted

# 输出：True

>>> pdfReader.decrypt('rosebud')

# 输出：1

需要注意的是，这种方式的解密是临时性的，硬盘中的文件仍然是加密后的文件。

3.PDF的写入

在 PyPDF2 中，与 PdfFileReader 对象相对的是 PdfFileWriter 对象，它可以创建一个新的 PDF 文件。但 PyPDF2 不能将任意文本写入 PDF，PyPDF2 写入 PDF 的能力，仅限于从其他 PDF 中拷贝页面、旋转页面、重叠页面和加密文件。其一般流程如下：

1．打开一个或多个已有的 PDF(源 PDF)，得到 PdfFileReader 对象。

2．创建一个新的 PdfFileWriter 对象。

3．将页面从 PdfFileReader 对象拷贝到 PdfFileWriter 对象中。

4．最后，利用 PdfFileWriter 对象写入输出的 PDF。

具体方法这里不进行详述，需要时可查阅相关资料。

三、word

创建和修改word文档，可以使用 python-docx 模块。关于word文档的数据特性，在《python编程快速上手》这本书中讲的很好，我这里直接截图：

1553504381716.png

注：关于docx模块是否只能操作.docx文件而不能操作.doc文件这一点还有待核实。

1.docx文件的读取

使用docx模块可以接受一个.docx文件，获取其中的全部文本字符：

import docx

def getText(filename):

doc = docx.Document(filename)

fullText = []

for para in doc.paragraphs:

fullText.append(para.text)

return '\n'.join(fullText)

当然，也可以分段提取paragraphs和runs的数据，例如：

>>> import docx

>>> doc = docx.Document('demo.docx')

>>> len(doc.paragraphs)

7

>>> doc.paragraphs[0].text

'Document Title'

>>> doc.paragraphs[1].text

'A plain paragraph with some bold and some italic'

>>> len(doc.paragraphs[1].runs)

4

>>> doc.paragraphs[1].runs[0].text

'A plain paragraph with some '

>>> doc.paragraphs[1].runs[1].text

'bold'

>>> doc.paragraphs[1].runs[2].text

' and some '

>>> doc.paragraphs[1].runs[3].text

'italic'

2.docx文件的写入

要进行word文档的写入，首先要注意设置paragraphs和runs的样式，然后创建一个新的、空白的 Word

Document 对象，再将新文本写入到Document中。另外，还可以向文档中添加标题、换行符换页符、图片等。(详细内容暂略)

总之，由于word中的内容不是单纯的字符串，而是带有特定的格式和属性，因此操作起来相对复杂一些。

四、json

json是一种非常流行的数据格式，MongoDB的数据就是json格式存储的。python对json文件的操作依赖于json模块。

1.json文件的读取

使用json.loads()方法可以将json格式的文件转换为python能够识别的数据(dict)。例如：

>>> stringOfJsonData = '{"name": "Zophie", "isCat": true, "miceCaught": 0,

"felineIQ": null}'

>>> import json

>>> jsonDataAsPythonValue = json.loads(stringOfJsonData)

>>> jsonDataAsPythonValue

{'isCat': True, 'miceCaught': 0, 'name': 'Zophie', 'felineIQ': None}

2.json文件的写入

与loads()方法相对应，使用json.dumps()可以将python数据转换为json数据。例如：

>>> pythonValue = {'isCat': True, 'miceCaught': 0, 'name': 'Zophie',

'felineIQ': None}

>>> import json

>>> stringOfJsonData = json.dumps(pythonValue)

>>> stringOfJsonData

'{"isCat": true, "felineIQ": null, "miceCaught": 0, "name": "Zophie" }'