Office办公自动化-如何批量提取Word文档的页码(并计算总页码)-Python实例源码.zip

# -*- coding:utf-8 -*- import os # 导入系统功能模块 from win32com.client import Dispatch, DispatchEx # 导入pywin32模块的client包下的函数 from win32com.client import constants # 导入pywin32模块的client包下的保存COM常量的类 from win32com.client import gencache # 导入pywin32模块的client包下的gencache函数 from PyPDF2 import PdfFileReader # 获取页码用 import re # 导入正则表达式模块 import pythoncom # 导入封装了OLE自动化API的模块，该模块为pywin32的子模块 '''获取指定目录下的文件 filepath：要遍历的目录 filelist_out：输出文件列表 file_ext：文件的扩展名，默认为任何类型的文件 ''' def getfilenames(filepath='',filelist_out=[],file_ext='all'): # 遍历filepath下的所有文件，包括子目录下的文件 for fpath, dirs, fs in os.walk(filepath): for f in fs: fi_d = os.path.join(fpath, f) if file_ext == '.doc': # 遍历Word文档文件 if os.path.splitext(fi_d)[1] in ['.doc','.docx']: # 判断是否为Word文件 filelist_out.append(re.sub(r'\\','/',fi_d)) # 添加到路径列表中 else: if file_ext == 'all': # 要获取所有文件的情况 filelist_out.append(fi_d) # 将文件路径添加到路径列表中 elif os.path.splitext(fi_d)[1] == file_ext: # 要获取除了Wrod文件以外的文件 filelist_out.append(fi_d) # 将文件路径添加到路径列表中 else: pass filelist_out.sort() # 对路径进行排序 return filelist_out # 返回文件完整路径列表 # Word转换为PDF(多个文件) def wordtopdf(filelist,targetpath): totalPages = 0 # 记录总页码 valueList = [] try: pythoncom.CoInitialize() # 调用线程初始化COM库，解决调用Word 2007时出现“尚未调用CoInitialize”错误的问题 gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4) # 开始转换 w = Dispatch("Word.Application") for fullfilename in filelist: (filepath,filename) = os.path.split(fullfilename) # 分割文件路径和文件名，其中，filepath表示文件路径；filename表示文件名 softfilename = os.path.splitext(filename) # 分割文件名和扩展名 os.chdir(filepath) doc = os.path.abspath(filename) os.chdir(targetpath) pdfname = softfilename[0] + ".pdf" output = os.path.abspath(pdfname) pdf_name = output # 文档路径需要为绝对路径，因为Word启动后当前路径不是调用脚本时的当前路径。 try: # 捕捉异常 doc = w.Documents.Open(doc, ReadOnly=1) doc.ExportAsFixedFormat(output, constants.wdExportFormatPDF, \ Item=constants.wdExportDocumentWithMarkup, CreateBookmarks=constants.wdExportCreateHeadingBookmarks) except Exception as e: # 处理异常 print(e) if os.path.isfile(pdf_name): # 判断文件是否存在 # 获取页码 pages = getPdfPageNum(pdf_name) # 获取页码 valueList.append([fullfilename,str(pages)]) totalPages += pages # 累加页码 os.remove(pdf_name) # 删除生成的PDF文件 else: print('转换失败！') return False w.Quit(constants.wdDoNotSaveChanges) # 退出Word应用程序 return totalPages,valueList # 返回总页码和每个文档的页码 except TypeError as e: print('出错了！') print(e) return False ''' 功能：统计文档页码 path：文件绝对路径 ''' def getPdfPageNum(path): with open(path, "rb") as file: doc = PdfFileReader(file) pagecount = doc.getNumPages() return pagecount if __name__ == '__main__': sourcepath = r"E:/learn/test/doc/temp" # 指定源路径（Word文档所在路径） targetpath = r"E:/learn/test/doc/pdf/" # 指定目标路径（PDF保存路径） filelist = getfilenames(sourcepath,[],'.doc') # 获取Word文档路径 valueList = wordtopdf(filelist,targetpath) # 实现将Word文档批量转换为PDF resultList = valueList[1] # 获取统计结果 if valueList: for i in resultList: print(i[0],i[1]) totalPages = str(valueList[0]) # 总页数 print("合计页数：",totalPages) else: print("没有要统计的文件或者统计失败！")