一、csv 文件格式二、excel数据处理2.1读取单表文件：2.2 读取单表文件复杂例子：2.3、写入excel文件2.5、Python进行修改excel文件：三、Python处理pdf文件3.1、Python读出pdf文件3.2、抓取每个的网页，然后生成pdf文件3.3、Html转pdf文件四、Python处理图片4.1 Image的三个属性：4.2、抠图4.3、图片拼合4.4、缩放：4.5、验证码
一、csv 文件格式
看下.csv文件的定义：
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。
示例一：
import csvfileName = 'weather.csv'with open(fileName, "r", encoding="utf-8") as f: text = csv.reader(f) for i in text: print(i)print("####"*10)with open(fileName, "r", encoding="utf-8") as f: for i in f.readlines(): print(i.split(","))
二、excel数据处理
python提供有第三方库来支持对excel的操作，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。下面我们先安装第三方库：
Pip install xlrdPip install xlwtPip install xluntilsPip 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。
2.1读取单表文件：
import xlrddef 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()
2.2 读取单表文件复杂例子：
# 打开一个workbookworkbook = 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rownum_rows = worksheet1.nrowsfor 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colnum_cols = worksheet1.ncolsfor 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cellfor rown in range(num_rows): for coln in range(num_cols): cell = worksheet1.cell_value(rown, coln) print(cell)
2.3、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!')2.4、Excele来处理超链接import codecsimport xlwtbook = xlwt.Workbook()sheet_index = book.add_sheet('index')line=0for i in range(9): link = 'HYPERLINK("{0}.txt", "{1}_11111")'.format(i, i) sheet_index.write(line, 0, xlwt.Formula(link)) line += 1book.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)
2.5、Python进行修改excel文件：
但是不支持使用xlsx文件，直接使用xlsx就没有问题，如果使用xlsx文件，容易发生问题。import xlrdimport xlutils.copy#打开一个workbookrb = 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')
三、Python处理pdf文件
3.1、Python读出pdf文件
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/06/09 14:46# @Author : jiangshan# @File : demon1.pyfrom pdfminer.pdfparser import PDFParser, PDFDocumentfrom pdfminer.pdfparser import PDFPagefrom pdfminer.pdfinterp import PDFResourceManager, PDFTextExtractionNotAllowedfrom pdfminer.pdfinterp import PDFPageInterpreterfrom pdfminer.pdfdevice import PDFDevicefrom pdfminer.layout import LAParamsfrom 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())
3.2、抓取每个的网页，然后生成pdf文件
import codecsimport osimport sysimport pdfkitimport requestsbase_url = 'http://www.okay686.cn/'if not os.path.exists("okay686"): os.mkdir("okay686")os.chdir("okay686")s = requests.session()for i in range(1, 27): url = base_url + 'chapter' + str(i) + '.html' print(url) file = str(i) + '.pdf' print(file) config = pdfkit.configuration(wkhtmltopdf=r"D:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe") try: pdfkit.from_url(url, file) except: continue
3.3、Html转pdf文件
合并多个pdf文件为一个pdf文件
import PyPDF2import os #建立一个装pdf文件的数组pdfFiles = []for fileName in os.listdir('okay686'): #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("okay686")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.pdfpdfOutput.close()
四、Python处理图片
图像处理是一门应用非常广的技术，而拥有非常丰富第三方扩展库的 Python 当然不会错过这一门盛宴。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/
引用块内容
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 Imageimage = 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
4.1 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。
4.2、抠图
需求，把头像给截图出来：
from PIL import Imageimage = Image.open("1.jpg")print(image.format, image.size, image.mode)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
4.3、图片拼合
from PIL import Imageimage = Image.open("1.jpg")print(image.format, image.size, image.mode)box = (600, 300, 1050, 660)egion = image.crop(box)#egion.save("cutting.jpg")region = egion.transpose(Image.ROTATE_180)image.paste(region, box)image.show()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，
4.4、缩放：
from PIL import Imageinfile = "2.jpg"outfile = "new2.jpg"image = Image.open(infile)(x, y) = image.sizenewx = 300newy = int(y*newx/x)out = image.resize((newx, newy), Image.ANTIALIAS)out.show()
4.5、验证码
import randomimport stringimport sysimport mathfrom 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()来源：https://www.cnblogs.com/jiangshanwang/p/9171563.html