Python文本数据互相转换（pandas and win32com）

Posted 2020-12-30 James·Joshua

(工作之后，就让自己的身心都去休息吧)

今天介绍一下文本数据的提取和转换，这里主要实例的转换为excel文件（.xlsx）转换world文件（.doc/docx），同时需要使用win32api，同pywin32库。

pandas库我之前的博客里面都有详细的介绍和使用，这里主要介绍下win32库。

PyWin32是一个Python库，可以为Python提供Windows扩展。换句话说，它允许您访问各种Windows功能 - 至少Microsoft Office的功能 - 而无需使用Microsoft的一种语言，如Visual Basic或C＃。

win32com模块的下载：https://sourceforge.net/projects/pywin32/files/pywin32/（对应你的windows版本）

同时分享Galal Aly\'s博主：http://new.galalaly.me/2011/09/use-python-to-parse-microsoft-word-documents-using-pywin32-library/

Pywin32库的一些概念：

　　1.PyWin32是一个包装器，它使您可以使用Visual Basic for Applications（VBA）中提供的相同方法和属性，但使用Python的语法。

　　2.这是Word 2007开发人员参考，有用的部分是对象模型参考。我必须检查它们以了解可用的方法和属性，因此它们非常重要。

　　3.在任何参考资料中，您都会找到一些用VBA编写的示例。您所要做的就是将它们转换为Python的语法。

首先介绍下win32com:

1 # coding: UTF-8
2 import win32com.client
3 WordApp = win32com.client.Dispatch("Word.Application") 
4 WordApp.Visible = False

1.因为你使用的是中国汉字，windows中文本文档大多数都是汉子处理，所以前提一定要加上# coding: UTF-8。

2.引入win32com模块。

3.打开world应用程序，python操作world程序以便写入文件。

4.是否在桌面打开world程序，这里的False就是不需要打开，反之为True。

这里主要介绍win32api的一些属性，主要为操作world文档所使用：

#新建空文档
docx=WordApp.Documents.Add()
#打开指定文档
docx = WordApp.Documents.Open(r\'C:\\Users\\Administrator\\Desktop\\b.docx\')
#保存到指定文档
docx.SaveAs(r"c:\\Users\\Administrator\\Desktop\\c.doc")  # 文档保存
#关闭文档，需在保存文档之后
docx.Close(-1) 

这里需要特别注意的是，SaveAs为另存文件，即可以不需要创建文件，另一个是打开指定文档，这里如果你不需要存入一个文档的话，就只需要打开一个文档存到另一个文档也可以，这里可以doc可以转换docx文件。

但是，如果你都要操作在你个world文件内，那么就需要追加一个docx文件内：

1 #新建空文档
2 docx=WordApp.Documents.Add()
3 #打开指定文档，进行操作
4 docx = WordApp.Documents.Open(r\'C:\\Users\\Administrator\\Desktop\\b.docx\')
5 #保存
6 docx.Save

这里只需要Save即可，原理就是打开一个指定的world文件，将数据存入进去后保存即可。

这里关于world文件的保存和添加介绍完。

下面介绍些world文件的一些属性：

1、页面属性：

1 docx.PageSetup.PaperSize = 7            # 纸张大小, A3=6, A4=7 
2 docx.PageSetup.PageWidth = 8.7*28.35    # 纸张宽大小后PaperSize 就不需要了
3 docx.PageSetup.PageHeight = 13*28.35 　 # 纸张高大小  
4 docx.PageSetup.Orientation = 1          # 页面方向, 竖直=0, 水平=1 
5 docx.PageSetup.TopMargin = 2.45*28.35   # 页边距上=2.45cm，1cm=28.35pt 
6 docx.PageSetup.BottomMargin = 2.45*28.35 # 页边距下=2.45cm 
7 docx.PageSetup.LeftMargin =0.75*28.35    # 页边距左=0.75cm
8 docx.PageSetup.RightMargin = 0.5*28.35   # 页边距右=0.5cm  

2、页面布局：

 1 sel = WordApp.Selection       # 获取Selection对象
 2 sel.InsertBreak(8)            # 插入分栏符=8, 分页符=7 
 3 sel.Font.Name = "宋体"         # 字体
 4 sel.Font.Size = 11            # 字大
 5 sel.Font.Bold = True          # 粗体
 6 sel.Font.Italic = True        # 斜体
 7 sel.Font.Underline = True     # 下划线 
 8 sel.ParagraphFormat.LineSpacing = 2*12   # 设置行距，1行=12磅
 9 sel.ParagraphFormat.Alignment = 1      # 段落对齐,0=左对齐,1=居中,2=右对齐
10 sel.TypeText("aaa")       # 插入文字
11 sel.TypeParagraph()       # 插入空行 
12 sel.TypeText("\\n")        #插入空白行

3、表格：

 1 tab=docx.Tables.Add(sel.Range, 7, 2)  # 增加一个16行2列的表格 
 2 tab.Style = "网格型"       　　　　　　　# 显示表格边框
 3 tab.Columns(1).SetWidth(2.4*28.35, 0) #调整第一列宽
 4 tab.Columns(2).SetWidth(5.5*28.35, 0)
 5 tab.Rows.Alignment = 1                # 表格对齐,0=左对齐,1=居中,2=右对齐
 6 tab.CellCellCellCell(1,1).Range.Text = "aaa"    # 填充内容，注意Excel中使用wSheet.Cells(i,j)   
 7 sel.MoveDown(5, 16)       　　　　　　　# 向下移动2行,5=以行为单位 
 8 line_cells = tab.columns[0].cells  　 #第一列所有空格  0,1代表第几列
 9 line_cells[0].Range.Text= \'N\'  　　　　#第一列第一个空格中添加“N”
10 line_cells[1].Range.Text = \'号\'.decode(\'utf-8\') 
11 line_cells[2].Range.Text = \'牌\'.decode(\'utf-8\') 
12 line_cells[3].Range.Text = \'数量\'.decode(\'utf-8\') 
13 line_cells[4].Range.Text = \'日期\'.decode(\'utf-8\') 
14 line_cells[5].Range.Text = \'名称\'.decode(\'utf-8\') 
15 line_cells[6].Range.Text = \'编号\'.decode(\'utf-8\')

贴上Pandas模块和win32com的完整代码（主要看分布）：

 1 # coding: UTF-8
 2 import win32com.client
 3 import time
 4 import pandas as pd
 5 def parser():
 6     df = pd.read_excel(\'C:\\\\Users\\\\Administrator\\\\Desktop\\\\222.xlsx\')
 7     pd.set_option(\'display.width\',None)
 8     WordApp = win32com.client.Dispatch("Word.Application") 
 9     #WordApp.Visible = False
10 
11     
12     for i in xrange(0,len(df)):
13         Pn =  df.iloc[i,0].encode(\'utf-8\')
14         partno = df.iloc[i,1].encode(\'utf-8\')
15         manufacturer = df.iloc[i,2]
16         quantity = str(int(df.iloc[i,3]))
17         contractnum = df.iloc[i,4].encode(\'utf-8\')
18         #print type(contractnum)
19         #print manufacturer
20         doc=WordApp.Documents.Add()
21         doc = WordApp.Documents.Open(r\'C:\\Users\\Administrator\\Desktop\\b.docx\')
22         doc.PageSetup.PageWidth = 9*28.35
23         doc.PageSetup.PageHeight = 13*28.35
24         doc.PageSetup.LeftMargin = 0.6*28.35
25         doc.PageSetup.RightMargin = 0.5*28.35
26 
27         sel = WordApp.Selection
28         sel.Font.Name = "宋体"
29         sel.Font.Size = 11
30         sel.TypeText("\\n")
31         sel.TypeText("\\n")
32         sel.TypeText("\\n")
33         sel.TypeText("\\n")
34         sel.TypeText("\\n")
35         sel.TypeText("\\n")
36         sel.TypeText("\\n")
37         tab=doc.Tables.Add(sel.Range, 7, 2)
38         #print type(tab.location)
39         tab.Style = "网格型".decode(\'utf-8\')
40         tab.Columns(1).SetWidth(2.4*28.35, 0)
41         tab.Columns(2).SetWidth(5.5*28.35, 0)
42         line_cells = tab.columns[0].cells
43         line_cells[0].Range.Text= \'N\'
44         line_cells[1].Range.Text = \'号\'.decode(\'utf-8\') 
45         line_cells[2].Range.Text = \'牌\'.decode(\'utf-8\') 
46         line_cells[3].Range.Text = \'数量\'.decode(\'utf-8\') 
47         line_cells[4].Range.Text = \'日期\'.decode(\'utf-8\') 
48         line_cells[5].Range.Text = \'名称\'.decode(\'utf-8\') 
49         line_cells[6].Range.Text = \'编号\'.decode(\'utf-8\')
50         #print help(doc.SaveAs)
51         doc.Save
52         print \'Is oK!\'
53         #doc.SaveAs(r\'C:\\Users\\Administrator\\Desktop\\b.docx\')
54     doc.Close()
55     WordApp.Quit()
56 if __name__ == \'__main__\':
57     parser()

这里主要注意下下操作world程序和for循环的位置就可以了，还有close，不然你的程序就会报错，因为你打开一个world程序未关闭，再次打开windows会提示未保存文档不可操作，所以程序会报错！

更多技术信息添加群：607021567