Python处理CSV,Excel,PDF和图片

使用Python处理CSV格式数据

CSV数据：

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。通常，所有记录都有完全相同的字段序列。

如一下格式：27,20,14,15,14,12,94,64,37,1015,1013,1009,7,5,2,21,8,35,0.00,,,152

.csv文件可以直接用excel或者类似软件打开，样子都是我们常见的表格形式。

代码如下：

import csv

fileName = 'weather.csv'

with open(fileName, "r", encoding="utf-8") as f:

    text = csv.reader(f)

    for i in text:

        print(i)

print("####"*10)

    for i in f.readlines():

        print(i.split(","))

使用Python处理Excel格式数据

python处理excel文件用的第三方模块库有xlrd、xlwt、xluntils和pyExcelerator，除此之外，python处理excel还可以用win32com和openpyxl模块。

使用pip安装第三方库

Pip install xlrd

Pip install xlwt

Pip install xluntils

Pip install pyExcelerator

Xlrd只能进行读取excel文件，没法进行写入文件，xlwt可以写入文件，但是不能在已有的excel的文件上进行修改，如果有这个需求，就需要使用xluntils模块了，pyExcelerator模块与xlwt类似，也可以用来生成excel文件。

使用xlrd读取单表文件：

import xlrd

def readExcel():

    data = xlrd.open_workbook('test.xlsx')

    table = data.sheets()[0] # 打开第一张表

    nrows = table.nrows # 获取表的行数

    for i in range(nrows): # 循环逐行打印

        print(table.row_values(i))#通过row_values来获取每行的值

readExcel()

读取单表复杂例子：

# 打开一个workbook

workbook = xlrd.open_workbook('testdata.xlsx')

# 抓取所有sheet页的名称

worksheets = workbook.sheet_names()

print(workbook.sheets())

print('worksheets is {0}'.format(worksheets))

# 定位到sheet1

# worksheet1 = workbook.sheet_by_name(u'Sheet1')

worksheet1 = workbook.sheets()[1]

"""

#通过索引顺序获取

worksheet1 = workbook.sheets()[0]

#遍历所有sheet对象

for worksheet_name in worksheets:

worksheet = workbook.sheet_by_name(worksheet_name)

# 遍历sheet1中所有行row

num_rows = worksheet1.nrows

for curr_row in range(num_rows):

    row = worksheet1.row_values(curr_row)

    print('row%s is %s' % (curr_row, row))

# 遍历sheet1中所有列col

num_cols = worksheet1.ncols

for curr_col in range(num_cols):

    col = worksheet1.col_values(curr_col)

    print('col%s is %s' % (curr_col, col))

# 遍历sheet1中所有单元格cell

for rown in range(num_rows):

    for coln in range(num_cols):

        cell = worksheet1.cell_value(rown, coln)

        print(cell)

使用xlwt写入Excel文件：

import xlwt

#创建workbook和sheet对象

workbook = xlwt.Workbook() #注意Workbook的开头W要大写

sheet1 = workbook.add_sheet('sheet1', cell_overwrite_ok=True)

sheet2 = workbook.add_sheet('sheet2', cell_overwrite_ok=True)

sheet3 = workbook.add_sheet('sheet3', cell_overwrite_ok=True)

#向sheet页中写入数据

sheet1.write(0,0,'this should overwrite1')

sheet1.write(0,1,'aaaaaaaaaaaa')

sheet2.write(0,0,'this should overwrite2')

sheet2.write(1,2,'bbbbbbbbbbbbb')

#-----------使用样式-----------------------------------

#初始化样式

style = xlwt.XFStyle()

#为样式创建字体

font = xlwt.Font()

font.name = 'Times New Roman'

font.bold = True

#设置样式的字体

style.font = font

#使用样式

sheet3.write(0,1,'some bold Times text',style)

#保存该excel文件,有同名文件时直接覆盖

workbook.save('test2.xls')

print('创建excel文件完成!')

Excel处理超链接

import codecs

book = xlwt.Workbook()

sheet_index = book.add_sheet('index')

line=0

for i in range(9):

    link = 'HYPERLINK("{0}.txt", "{1}_11111")'.format(i, i)

    sheet_index.write(line, 0, xlwt.Formula(link))

    line += 1

book.save('simple2.xls')

for i in range(0, 9):

    file = str(i) + ".txt"

    with codecs.open(file, 'w') as f:

        f.write(str(i)*10)

使用Python修改Excel表格内容：

不支持使用xlsx文件，直接使用xls就没有问题，如果使用xlsx文件，容易发生问题。

import xlutils.copy

#打开一个workbook

rb = xlrd.open_workbook('aaa111.xls')

wb = xlutils.copy.copy(rb)

#获取sheet对象，通过sheet_by_index()获取的sheet对象没有write()方法

ws = wb.get_sheet(0)

#写入数据

ws.write(10, 10, 'changed!')

#添加sheet页

wb.add_sheet('sheetnnn2',cell_overwrite_ok=True)

#利用保存时同名覆盖达到修改excel文件的目的,注意未被修改的内容保持不变

wb.save('aaa111.xls')

Python处理PDF文件

读取PDF文件

from pdfminer.pdfparser import PDFParser, PDFDocument

from pdfminer.pdfparser import PDFPage

from pdfminer.pdfinterp import PDFResourceManager, PDFTextExtractionNotAllowed

from pdfminer.pdfinterp import PDFPageInterpreter

from pdfminer.pdfdevice import PDFDevice

from pdfminer.layout import LAParams

from pdfminer.converter import PDFPageAggregator

#获取文档对象，你把algorithm.pdf换成你自己的文件名即可。

fp=open("test.pdf","rb")

#创建一个与文档相关联的解释器

parser=PDFParser(fp)

#PDF文档对象,提供密码初始化，没有就不用带password参数。

doc=PDFDocument()

parser.set_document(doc)

doc.set_parser(parser)

doc.initialize()

#检查文件是否允许文本提取

if not doc.is_extractable:

    raise PDFTextExtractionNotAllowed

#链接解释器和文档对象

# parser.set_document(doc)

#doc.set_paeser(parser)

#初始化文档

#doc.initialize("")

#创建PDF资源管理器对象来存储共享资源

resource=PDFResourceManager()

#参数分析器

laparam=LAParams()

#创建一个聚合器

device=PDFPageAggregator(resource, laparams=laparam)

#创建PDF页面解释器

interpreter=PDFPageInterpreter(resource,device)

#使用文档对象得到页面集合

for page in doc.get_pages():

  #使用页面解释器来读取

  interpreter.process_page(page)

  #使用聚合器来获取内容

  layout=device.get_result()

  for out in layout:

    if hasattr(out, "get_text"):

      print(out.get_text())

html转换为PDF文件

安装pdfkit模块

pip install pdfkit

#网页转换成pdf

直接把url转换成pdf文件

import pdfkit

pdfkit.from_url('http://google.com', 'out1.pdf')

#Html转换成pdf

Import pdfkit

pdfkit.from_file('test.html', 'out2.pdf')

#字符创转换成pdf

pdfkit.from_string('Hello lingxiangxiang!', 'out3.pdf')

合并多个PDF文件

import PyPDF2

import os

#建立一个装pdf文件的数组

pdfFiles = []

for fileName in os.listdir('XX'):    #遍历该程序所在文件夹内的文件

    if fileName.endswith('.pdf'):   #找到以.pdf结尾的文件

        pdfFiles.append(fileName)   #将pdf文件装进pdfFiles数组内

# pdfFiles.sort()     #文件排序

print(pdfFiles)

os.chdir("aming")

pdfWriter = PyPDF2.PdfFileWriter()     #生成一个空白的pdf文件

for fileName in pdfFiles:

    pdfReader = PyPDF2.PdfFileReader(open(fileName,'rb'))   #以只读方式依次打开pdf文件

    for pageNum in range(pdfReader.numPages):

        print(pdfReader.getPage(pageNum))

        pdfWriter.addPage(pdfReader.getPage(pageNum))    #将打开的pdf文件内容一页一页的复制到新建的空白pdf里

pdfOutput = open('combine.pdf','wb')     #生成combine.pdf文件

pdfWriter.write(pdfOutput)               #将复制的内容全部写入combine.pdf

pdfOutput.close()

Python处理图片

PIL （Python Imaging Library）是 Python 中最常用的图像处理库，如果你是python2.x，可以通过以下地址进行下载：http://www.pythonware.com/products/pil/index.htm，找到相对应的版本进行下载就可以了。

注意：PIL模块在python3.x中已经替换成pillow模块，文档地址：http://pillow.readthedocs.io/en/latest/，直接使用pip3 install pillow即可安装模块，导入时使用from PIL import Image。

from PIL import Image

image = Image.open("1.jpg")

print(image.format, image.size, image.mode)

image.show()

结果：

JPEG (1080, 1920) RGB

并把图片打开，展示出来

Image的三个属性：

    format : 识别图像的源格式，如果该文件不是从文件中读取的，则被置为 None 值。

    size : 返回的一个元组，有两个元素，其值为象素意义上的宽和高。

    mode : RGB（true color image），此外还有，L（luminance），CMTK（pre-press image）。

Image的方法介绍：

    show()：显示最近加载的图像

    open(infilename):  打开文件

    save(outfilename)：保存文件

    crop((left, upper, right, lower))：从图像中提取出某个矩形大小的图像。它接收一个四元素的元组作为参数，各元素为（left, upper, right, lower），坐标系统的原点（0, 0）是左上角。

Image的几何处理：

out = im.resize((128, 128))                     #调整图片大小

out = im.rotate(45)                             #逆时针旋转 45 度角。

out = im.transpose(Image.FLIP_LEFT_RIGHT)       #左右对换。

out = im.transpose(Image.FLIP_TOP_BOTTOM)       #上下对换。

out = im.transpose(Image.ROTATE_90)             #旋转 90 度角。

out = im.transpose(Image.ROTATE_180)            #旋转 180 度角。

out = im.transpose(Image.ROTATE_270)            #旋转 270 度角。

使用Python抠图

box = (600, 300, 1050, 660)

region = image.crop(box)

region.save("cutting.jpg")

上述代码讲图片的((600, 300), (600, 660), (1050, 300), (1050, 660))所画出来的区域进行裁剪，并保存在cutting.jpg中

使用Python拼图

egion = image.crop(box)

#egion.save("cutting.jpg")

region = egion.transpose(Image.ROTATE_180)

image.paste(region, box)

把头像照片截取出来，然后调换头像照片180度，然后在拼接在一起

使用Python缩放图片

infile = "2.jpg"

outfile = "new2.jpg"

image = Image.open(infile)

(x, y) = image.size

newx = 300

newy = int(y*newx/x)

out = image.resize((newx, newy), Image.ANTIALIAS)

out.show()

Python处理验证码

import random

import string

import sys

import math

from PIL import Image, ImageDraw, ImageFont, ImageFilter

# 字体的位置，不同版本的系统会有不同

font_path = 'msyh.ttf'

# 生成几位数的验证码

number = 4

# 生成验证码图片的高度和宽度

size = (100, 30)

# 背景颜色，默认为白色

bgcolor = (255, 255, 255)

# 字体颜色，默认为蓝色

fontcolor = (0, 0, 255)

# 干扰线颜色。默认为红色

linecolor = (255, 0, 0)

# 是否要加入干扰线

draw_line = True

# 加入干扰线条数的上下限

line_number = 20

# 用来随机生成一个字符串

def gene_text():

    source = list(string.ascii_letters)

    for index in range(0, 10):

        source.append(str(index))

    return ''.join(random.sample(source, number))  # number是生成验证码的位数

# 用来绘制干扰线

def gene_line(draw, width, height):

    begin = (random.randint(0, width), random.randint(0, height))

    end = (random.randint(0, width), random.randint(0, height))

    draw.line([begin, end], fill=linecolor)

# 生成验证码

def gene_code():

    width, height = size  # 宽和高

    image = Image.new('RGBA', (width, height), bgcolor)  # 创建图片

    font = ImageFont.truetype(font_path, 25)  # 验证码的字体

    draw = ImageDraw.Draw(image)  # 创建画笔

    text = gene_text()  # 生成字符串

    font_width, font_height = font.getsize(text)

    draw.text(((width - font_width) / number, (height - font_height) / number), text, font=font, fill=fontcolor)  # 填充字符串

    if draw_line:

        for i in range(line_number):

            gene_line(draw, width, height)

    # image = image.transform((width + 20, height + 10), Image.AFFINE, (1, -0.3, 0, -0.1, 1, 0), Image.BILINEAR)  # 创建扭曲

    image = image.filter(ImageFilter.EDGE_ENHANCE_MORE)  # 滤镜，边界加强

    image.save('idencode.png')  # 保存验证码图片

    # image.show()

if __name__ == "__main__":

    gene_code()

本文转自 粗粮面包 51CTO博客，原文链接：http://blog.51cto.com/culiangmianbao/2062239，如需转载请自行联系原作者