最近我在知乎受到一个付费问答，虽然开通了付费问答功能，但是我已经很久没有回答过提问者的问题。
由于时间和精力有限，抽不出整块的时间好好回答提问者的问题，又不愿意三言两语糊弄提问的同学，索性就不回答了。
但是，前几天有一个同学付费咨询我”如何用Python把3个PDF文件按交叉顺序合并在一起？“
的确，PDF、Word作为工作和学习中经常会接触到的文档格式，很难避免与其打交道，今天，就来给大家介绍一下如何使用Python完成常用的PDF、Word编辑功能，再也不用为这项简单的事情付费了！
PDF文档
PDF是一种便携式文件格式，它包含文本、图像、图表等。
与纯文本文件不同，它是一种包含".pdf"扩展名的文件，由Adobe公司发明。
这种类型的文件与任何平台如软件、硬件和操作系统无关。
安装工具包
你需要安装一个名为
pypdf2
的软件包，它可以处理扩展名为".pdf "的文件：
pip install pypdf2
安装成功，会看到如下内容：
读取PDF文件并提取数据
我们只能从pdf文件中提取文本内容，因为PyPDF2在提取多媒体内容时有一个限制，logo、图片等无法从中提取。
上面的代码中的
import
语句得到了PyPDF2模块。你需要使用
open('pdfFileName' , 'openMode')
，其中
pdfFilename
是文件名称，
openMode
是
rb
，即只读取二进制格式。
PyPDF2有一个名为 "PdfFileReader"的方法，它接收新创建的对象 "pdfFileObject"。你现在可以从 "pdfFileObject "中访问名为 "numPages"的属性，它能给返回总页数。
你可以使用pdfReaderObject里面的'getPage(0)'方法来获取第1页。然后将结果存储在'firstPageObject'中，通过使用'extractText()'方法可以打印出该特定页面中的所有文本。
上面的代码给出了pdf文件的所有文本。但是，图像没有显示在终端，这一点用pyPDF2是无法获取到。
合并PDF
你将把两个不同的pdf文件合并成一个pdf文件，首先需要获取2个用于测试的PDF文档。
我们需要从PyPDF2包中导入PdfFileMerger模块，它能够用于合并pdf文件。
指定'path'，它表示文件所在的文件夹的路径。另外，要合并的pdf文件被包含在'pdf_files'的列表中。
首先，需要通过
PdfFileMerger
创建一个合并对象，然后针对列表中的每个文件进行的遍历，其中合并是通过向'append'方法传递路径和文件来完成的。
最后，通过使用'merger.write()'可以获得最终的输出，在这里可以获得合并后的内容和新的PDF文件名。
上图显示了一个'merged.pdf'，它由'test.pdf'和'test-1.pdf'的内容合并而成。
Word文档
Word文件由文件名末尾的".docx "扩展名组成。这些文件并不像纯文本文件那样只包含文本，而是包括富文本文件。富文本文件包含文件的不同结构，这些结构有大小、对齐、颜色、图片、字体等。
如果你有一个用于处理Word文档的应用程序，那将是最好的。适用于Windows和Mac操作系统的流行应用程序是Microsoft Word，但它是一个付费订阅软件。
当然，也有一个免费的替代选择，如 "LibreOffice"，它是一个预装在Linux中的应用程序。这些应用程序可以在Windows和Mac操作系统中下载。
本文，将介绍如何通过Python免费操作Word文档。
安装工具包
你需要安装一个名为 "python-docx"的软件包，它可以处理扩展名为".docx "的word文档。
编辑Word文档
你可以看到上面第一行中的 "document"模块是从 "docx "包中导入的。
第二行的代码通过Document对象的帮助生成了一个新的word文档。
使用'document.save()'，文件名被保存为'first.docx'。
添加标题
上面的代码包含一个
Document()
打开一个新文件，
document.save('addHeader.docx')
被用来创建一个新编辑的docx文件。
你可以通过
add_heading('text,' level=number)
方法添加标题，该方法将文本作为标题，标题级别从0到4开始。
上述代码给出的输出是一个新创建的'addedHeader.docx'文件，其中0级的标题是文本下面的横线，而1级的标题是主标题。
同样地，其他的标题是副标题，其字体大小依次递减。
添加段落
上述代码包含一个
Document()
，它打开了一个新的文档文件，
document.save('addParagraph.docx')
被用来创建一个新编辑的docx文件。你可以通过
add_paragraph('text,' style='required_style')
方法添加标题，该方法接收文本，同时
style
是一个可选的参数，可以使用'List Number'和'List Bullet'。
上述代码给出的输出是一个新创建的
addedParagraph.docx
文件，在第一行有一个简单的段落。
同样，有一个标题，在它下面有一个有序的列表，包含一个编号为1和2的项目。
添加图片
上面的代码包含一个
Document()
，它创建了一个新的文档文件，
document.save('addPicture.docx')
用于创建一个新编辑的docx文件。
你可以通过使用
add_picture()
来添加图片，它包含的第一个参数是
cat-1.jpeg
是猫的图片的路径。
宽度和高度是可选的参数，默认为
72 dp
，但我们为我们的目的使用了
Inches
。
上述代码给出的输出是一个新创建的
addedPicture.docx
文件，其中包含一张猫的图像，图像的宽度和高度都是1.25英寸。
读取Word文档
接下来，我们使用Python中读取一个word文档。
代码的第一行从
docx
模块中导入Document，用来传递所需的文档文件，并创建一个对象。
obtainText
是一个函数，接收文件
fullText.docx
。循环是针对每个段落进行的，这些段落由
document.parages
访问，并使用
append
方法插入到一个空列表中。
最后，该函数返回一个以”另起一行“结束的段落列表。
上面的输出给出了没有任何样式、颜色的纯文本。
接下来，你就可以解放双手，使用Python自动完成PDF、Word文档操作了！
版权归原作者 七步编程 所有， 如有侵权，请联系我们删除。