使用Python將Word文檔導出為PDF格式并從Word文檔中提取數(shù)據(jù)
更新時間：2025年11月26日 09:30:48 作者：諸神緘默不語
在工作中,經(jīng)常會遇到需要把 Word 文檔轉換成 PDF 的情況,比如生成報表、分發(fā)文檔、或者做歸檔保存,PDF 格式在排版和跨平臺顯示上更穩(wěn)定,因此本文給大家介紹了如何使用Python將Word文檔導出為PDF格式并從Word文檔中提取數(shù)據(jù),需要的朋友可以參考下
1. 將Word文檔導出為PDF文檔
準備環(huán)境
Python版本需要為3.8-3.14（pywin32的要求）
通過pip下載pywin32：
pip install pywin32
復制即可運行的完整代碼
import os
from win32com import client as wc
def convert_word_to_pdf(word_path: str) -> str:
"""
將單個Word文檔(doc/docx)轉換為PDF格式，并返回轉換后的文件路徑
Args:
word_path (str): Word文件路徑
Returns:
str: 轉換后的PDF文件路徑
Raises:
FileNotFoundError: 如果文件不存在
ValueError: 如果文件不是Word格式或路徑無效
Exception: 轉換過程中的其他錯誤
"""
# 參數(shù)驗證
if not word_path or not isinstance(word_path, str):
raise ValueError("文件路徑不能為空且必須是字符串")
# 檢查文件是否存在
if not os.path.exists(word_path):
raise FileNotFoundError(f"文件不存在: {word_path}")
# 檢查文件擴展名
valid_extensions = ('.doc', '.docx')
if not word_path.lower().endswith(valid_extensions):
raise ValueError(f"文件不是Word格式(.doc/.docx): {word_path}")
# 檢查文件是否被占用（臨時文件）
if os.path.basename(word_path).startswith('~'):
raise ValueError(f"文件可能是臨時文件: {word_path}")
# 檢查文件大?。ū苊馓幚砜瘴募驌p壞文件）
file_size = os.path.getsize(word_path)
if file_size == 0:
raise ValueError(f"文件為空: {word_path}")
word = None
doc = None
try:
# 創(chuàng)建Word應用實例
word = wc.Dispatch("Word.Application")
word.Visible = False
# 打開文檔
doc = word.Documents.Open(word_path)
# 生成新的PDF文件路徑
base_path = os.path.splitext(word_path)[0]
new_path = base_path + ".pdf"
# 處理文件名沖突
count = 0
while os.path.exists(new_path):
count += 1
new_path = f"{base_path}({count}).pdf"
# 保存為PDF格式（17代表PDF格式）
doc.SaveAs(new_path, 17)
# 驗證轉換后的文件
if not os.path.exists(new_path):
raise Exception("轉換后的PDF文件未創(chuàng)建成功")
# 檢查轉換后的文件大小
if os.path.getsize(new_path) == 0:
raise Exception("轉換后的PDF文件為空")
return new_path
except Exception as e:
# 清理可能創(chuàng)建的部分文件
if 'new_path' in locals() and os.path.exists(new_path):
try:
os.remove(new_path)
except:
pass
raise e
finally:
# 確保資源被正確釋放
try:
if doc:
doc.Close()
except:
pass
try:
if word:
word.Quit()
except:
pass
def main():
"""主函數(shù)：轉換單個文件并顯示結果"""
# 直接在代碼中設置要轉換的文件路徑
word_file_path = r"D:\word_files\example.docx" # 修改為您要轉換的Word文件路徑
try:
print(f"開始轉換文件: {word_file_path}")
# 轉換文件
pdf_path = convert_word_to_pdf(word_file_path)
# 輸出成功信息
print("\n" + "="*50)
print("? 文件轉換成功！")
print(f"原始文件: {word_file_path}")
print(f"轉換后文件: {pdf_path}")
print(f"文件大小: {os.path.getsize(pdf_path)} 字節(jié)")
print("="*50)
except FileNotFoundError as e:
print(f"? 錯誤: {e}")
print("請檢查文件路徑是否正確")
except ValueError as e:
print(f"? 錯誤: {e}")
print("請確保文件是有效的Word文檔(.doc/.docx)")
except Exception as e:
print(f"? 轉換失敗: {e}")
print("可能是Word應用問題或文件損壞")
if __name__ == "__main__":
main()
將代碼復制到你的Python編輯器中，并修改D:\word_files\example.docx為您需要轉換的Word文件路徑即可。轉換后的PDF文件與Word文件同名（如果已經(jīng)存在了同名PDF文件，將加上(count)后綴以避免沖突）
核心功能代碼
Word文檔導出為PDF的核心功能代碼為：
import os
from win32com import client as wc
word = wc.Dispatch("Word.Application")
word.Visible = False
doc = word.Documents.Open(word_path)
doc.SaveAs(new_path, 17)
doc.Close()
word.Quit()
將word_path對應的Word文檔轉換為new_path對應的PDF文檔。支持doc和docx格式的Word文檔。
doc.SaveAs(file_name, file_format)中file_format這個參數(shù)表示另存為文檔的格式。
- 17:
wdFormatPDF- PDF格式 - 0:
wdFormatDocument- Microsoft Office Word 97-2003文檔格式(.doc) - 16:
wdFormatDocumentDefault- Word默認文檔格式(.docx) - 7:
wdFormatPDF- PDF格式（與17相同） - 8:
wdFormatXPS- XPS格式
2. 如何用Python從Word中提取數(shù)據(jù)：以處理簡歷為例
這個簡單案例的數(shù)據(jù)是隨機生成的10個格式相同的簡歷：
在實際工作中遇到的簡歷形式會更加多樣化，需要根據(jù)實際情況來進行分析，甚至可能需要加入適當智能能力。我在此提供的只是一個簡單樣例，執(zhí)行代碼會解析目錄下的所有Word格式簡歷：從表格中提取基本信息和教育背景，基本信息從表格中指定元素的位置獲取，教育背景從表格中逐行獲取；工作技能、技能特長、自我評價根據(jù)特定小標題和段落格式獲取，都基本根據(jù)上圖中這種格式來進行獲取。最后的解析結果會保存到CSV文件中（CSV文件可以用Excel或WPS表格直接打開）。
如果讀者在實際工作中遇到了更復雜的需求，也可以通過留言或私聊的方式咨詢我獲得答疑。
本案例生成測試數(shù)據(jù)的代碼已經(jīng)放在了下文中。由于是隨機生成的，所以每次生成的數(shù)據(jù)都是不同的。如果您想要在本次案例中的數(shù)據(jù)，可以私聊我獲取文件壓縮包。
準備環(huán)境
通過pip下載python-docx：
pip install python-docx
準備測試數(shù)據(jù)
通過pip下載faker：
pip install faker
執(zhí)行代碼（簡歷文件會下載到工作路徑下的resumes文件夾下）：
（如果您需要執(zhí)行這一部分代碼的話，還需要注意的是，生成的Word文件默認使用中文宋體+英文Times New Roman格式，一般以中文為默認語言的Windows電腦中都已內置了這兩種字體，如果您的電腦設置為其它語言需要注意）
import os
import random
from docx import Document
from docx.shared import Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml.ns import qn
from faker import Faker
def set_document_font(doc):
"""
設置文檔的默認字體為宋體和Times New Roman
"""
# 設置全局樣式
style = doc.styles['Normal']
font = style.font
font.name = 'Times New Roman'
font._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋體')
font.size = Pt(12)
def set_paragraph_font(paragraph, bold=False, size=12):
"""
設置段落的字體
"""
for run in paragraph.runs:
run.font.name = 'Times New Roman'
run._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋體')
run.font.size = Pt(size)
run.font.bold = bold
def generate_resume_docx(filename, resume_data):
"""
生成單個簡歷Word文檔
Args:
filename (str): 保存的文件名
resume_data (dict): 簡歷數(shù)據(jù)
"""
doc = Document()
# 設置文檔字體
set_document_font(doc)
# 添加標題
title = doc.add_heading('個人簡歷', 0)
title.alignment = WD_ALIGN_PARAGRAPH.CENTER
set_paragraph_font(title, bold=True, size=16)
# 添加個人信息表格
doc.add_heading('基本信息', level=1)
table = doc.add_table(rows=6, cols=4)
table.style = 'Table Grid'
# 填充基本信息表格
info_cells = [
("姓名", resume_data['name']),
("性別", resume_data['gender']),
("年齡", str(resume_data['age'])),
("聯(lián)系電話", resume_data['phone']),
("郵箱", resume_data['email']),
("現(xiàn)居地", resume_data['address'])
]
for i, (label, value) in enumerate(info_cells):
table.cell(i, 0).text = label
table.cell(i, 1).text = value
table.cell(i, 2).text = "求職意向" if i == 0 else ""
table.cell(i, 3).text = resume_data['job_intention'] if i == 0 else ""
# 設置表格單元格字體
for j in range(4):
for paragraph in table.cell(i, j).paragraphs:
set_paragraph_font(paragraph, bold=(j == 0 or j == 2))
# 教育背景
doc.add_heading('教育背景', level=1)
edu_table = doc.add_table(rows=2, cols=4)
edu_table.style = 'Table Grid'
# 表頭
headers = ["時間", "學校", "專業(yè)", "學歷"]
for i, header in enumerate(headers):
edu_table.cell(0, i).text = header
for paragraph in edu_table.cell(0, i).paragraphs:
set_paragraph_font(paragraph, bold=True)
# 教育信息
edu_table.cell(1, 0).text = resume_data['education']['period']
edu_table.cell(1, 1).text = resume_data['education']['school']
edu_table.cell(1, 2).text = resume_data['education']['major']
edu_table.cell(1, 3).text = resume_data['education']['degree']
# 設置教育信息行的字體
for i in range(4):
for paragraph in edu_table.cell(1, i).paragraphs:
set_paragraph_font(paragraph)
# 工作經(jīng)歷
doc.add_heading('工作經(jīng)歷', level=1)
for exp in resume_data['work_experience']:
p = doc.add_paragraph()
company_run = p.add_run(f"{exp['company']} | ")
company_run.bold = True
position_run = p.add_run(f"{exp['position']} | ")
position_run.bold = True
period_run = p.add_run(exp['period'])
period_run.bold = True
set_paragraph_font(p, bold=True)
desc_para = doc.add_paragraph(exp['description'])
set_paragraph_font(desc_para)
# 技能特長
doc.add_heading('技能特長', level=1)
skills_para = doc.add_paragraph()
for skill in resume_data['skills']:
skills_para.add_run(f"? {skill}\n")
set_paragraph_font(skills_para)
# 自我評價
doc.add_heading('自我評價', level=1)
self_eval_para = doc.add_paragraph(resume_data['self_evaluation'])
set_paragraph_font(self_eval_para)
# 保存文檔
doc.save(filename)
print(f"已生成簡歷: {filename}")
def generate_sample_resumes(num=10):
"""
生成指定數(shù)量的模擬簡歷
Args:
num (int): 簡歷數(shù)量，默認為10
"""
fake = Faker('zh_CN')
# 創(chuàng)建保存目錄 - 使用os.path.join處理路徑
resume_dir = os.path.join('resumes')
os.makedirs(resume_dir, exist_ok=True)
# 職位列表
jobs = ['軟件工程師', '數(shù)據(jù)分析師', '產(chǎn)品經(jīng)理', 'UI設計師', '市場營銷', '人力資源', '財務專員', '運營專員']
# 技能列表
skill_sets = {
'軟件工程師': ['Python', 'Java', 'SQL', 'Linux', 'Git', 'Docker'],
'數(shù)據(jù)分析師': ['Python', 'SQL', 'Excel', 'Tableau', '統(tǒng)計學', '機器學習'],
'產(chǎn)品經(jīng)理': ['Axure', 'Visio', '項目管理', '需求分析', '用戶研究', 'PRD編寫'],
'UI設計師': ['Photoshop', 'Sketch', 'Figma', 'Illustrator', '用戶體驗設計', '交互設計'],
'市場營銷': ['市場分析', '營銷策劃', '社交媒體運營', '內容創(chuàng)作', '數(shù)據(jù)分析', '品牌管理'],
'人力資源': ['招聘', '培訓', '績效管理', '員工關系', 'HR系統(tǒng)', '勞動法'],
'財務專員': ['會計', '財務報表', '稅務', '成本控制', '財務分析', 'ERP系統(tǒng)'],
'運營專員': ['內容運營', '用戶運營', '活動策劃', '數(shù)據(jù)分析', '社交媒體', 'SEO/SEM']
}
# 生成簡歷
for i in range(num):
# 隨機選擇一個職位
job = random.choice(jobs)
# 生成簡歷數(shù)據(jù)
resume_data = {
'name': fake.name(),
'gender': random.choice(['男', '女']),
'age': random.randint(22, 35),
'phone': fake.phone_number(),
'email': fake.email(),
'address': fake.city(),
'job_intention': job,
'education': {
'period': f"{fake.year()}-{fake.year()}",
'school': fake.company() + "大學",
'major': fake.job() + "專業(yè)",
'degree': random.choice(['本科', '碩士', '博士'])
},
'work_experience': [],
'skills': random.sample(skill_sets[job], random.randint(4, 6)),
'self_evaluation': fake.paragraph(nb_sentences=3)
}
# 生成工作經(jīng)歷
num_experiences = random.randint(1, 3)
for j in range(num_experiences):
start_year = 2020 - j * 2
resume_data['work_experience'].append({
'company': fake.company(),
'position': job,
'period': f"{start_year}-{start_year+2}",
'description': fake.paragraph(nb_sentences=2)
})
# 生成文檔 - 使用os.path.join處理路徑
safe_name = resume_data['name'].replace(' ', '_')
filename = os.path.join(resume_dir, f"簡歷_{safe_name}_{job}.docx")
generate_resume_docx(filename, resume_data)
if __name__ == "__main__":
print("開始生成模擬簡歷...")
generate_sample_resumes(10)
print("簡歷生成完成！")
復制即可運行的完整代碼
簡歷Word文檔在resumes文件夾中，生成的resumes_data.csv就直接在工作路徑下：
import os
import re
import csv
from docx import Document
def extract_resume_info(filepath):
"""
從Word簡歷中提取信息
Args:
filepath (str): Word文檔路徑
Returns:
dict: 提取的簡歷信息
"""
try:
doc = Document(filepath)
resume_data = {
'filename': os.path.basename(filepath),
'name': '',
'gender': '',
'age': '',
'phone': '',
'email': '',
'address': '',
'job_intention': '',
'education_period': '',
'education_school': '',
'education_major': '',
'education_degree': '',
'work_experience': '',
'skills': '',
'self_evaluation': ''
}
# 提取基本信息
basic_info_extracted = False
education_extracted = False
in_work_experience = False
in_skills = False
in_self_evaluation = False
work_experiences = []
skills_list = []
for i, paragraph in enumerate(doc.paragraphs):
text = paragraph.text.strip()
# 跳過空段落
if not text:
continue
# 提取基本信息表格
if text == '基本信息' and not basic_info_extracted:
# 查找所有表格
for table in doc.tables:
# 檢查表格是否包含基本信息
try:
if table.cell(0, 0).text == '姓名':
resume_data['name'] = table.cell(0, 1).text
resume_data['gender'] = table.cell(1, 1).text
resume_data['age'] = table.cell(2, 1).text
resume_data['phone'] = table.cell(3, 1).text
resume_data['email'] = table.cell(4, 1).text
resume_data['address'] = table.cell(5, 1).text
resume_data['job_intention'] = table.cell(0, 3).text
basic_info_extracted = True
break
except:
continue
if not basic_info_extracted:
# 如果沒有找到表格，嘗試從段落中提取
extract_basic_info_from_text(doc, resume_data)
basic_info_extracted = True
# 提取教育背景
elif text == '教育背景' and not education_extracted:
# 查找教育背景表格
for table in doc.tables:
try:
if table.cell(0, 0).text == '時間' and '學校' in table.cell(0, 1).text:
resume_data['education_period'] = table.cell(1, 0).text
resume_data['education_school'] = table.cell(1, 1).text
resume_data['education_major'] = table.cell(1, 2).text
resume_data['education_degree'] = table.cell(1, 3).text
education_extracted = True
break
except:
continue
# 提取工作經(jīng)歷
elif text == '工作經(jīng)歷':
in_work_experience = True
continue
elif in_work_experience and text and not text.startswith('技能特長') and not text.startswith('自我評價'):
# 檢查是否是工作經(jīng)歷標題（包含公司、職位、時間，用 | 分隔）
if ' | ' in text:
parts = text.split(' | ')
if len(parts) >= 3:
# 提取公司、職位和時間
company = parts[0].strip()
position = parts[1].strip()
period = parts[2].strip()
work_experiences.append({
'company': company,
'position': position,
'period': period
})
# 否則，可能是工作描述，但我們主要關注標題信息
# 提取技能特長
elif text == '技能特長':
in_skills = True
in_work_experience = False
continue
elif in_skills and text and not text.startswith('自我評價'):
# 技能特長部分是以 ? 開頭的列表項
lines = text.split('\n')
for line in lines:
line = line.strip()
if line.startswith('?'):
skill = line[1:].strip() # 移除 ? 符號
if skill:
skills_list.append(skill)
# 提取自我評價
elif text == '自我評價':
in_self_evaluation = True
in_skills = False
continue
elif in_self_evaluation and text:
resume_data['self_evaluation'] = text
in_self_evaluation = False
# 如果沒有提取到基本信息，嘗試其他方法
if not basic_info_extracted:
extract_basic_info_from_text(doc, resume_data)
# 將工作經(jīng)歷和技能列表轉換為字符串
if work_experiences:
work_exp_str = " | ".join([
f"{exp['company']} ({exp['position']}, {exp['period']})"
for exp in work_experiences
])
resume_data['work_experience'] = work_exp_str
if skills_list:
resume_data['skills'] = "; ".join(skills_list)
# 清理數(shù)據(jù)
clean_resume_data(resume_data)
return resume_data
except Exception as e:
print(f"提取簡歷信息時出錯 {filepath}: {e}")
return None
def extract_basic_info_from_text(doc, resume_data):
"""
從文檔文本中提取基本信息
"""
for paragraph in doc.paragraphs:
text = paragraph.text
# 提取姓名
if not resume_data['name'] and len(text) <= 4 and not any(keyword in text for keyword in ['基本信息', '教育背景', '工作經(jīng)歷']):
resume_data['name'] = text
# 提取電話
phone_match = re.search(r'1[3-9]\d{9}', text)
if phone_match and not resume_data['phone']:
resume_data['phone'] = phone_match.group()
# 提取郵箱
email_match = re.search(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
if email_match and not resume_data['email']:
resume_data['email'] = email_match.group()
def clean_resume_data(resume_data):
"""
清理提取的簡歷數(shù)據(jù)
"""
# 清理年齡，只保留數(shù)字
if resume_data['age']:
age_match = re.search(r'\d+', resume_data['age'])
if age_match:
resume_data['age'] = age_match.group()
def save_to_csv(resumes, csv_filename='resumes_data.csv'):
"""
將簡歷數(shù)據(jù)保存為CSV文件
Args:
resumes (list): 簡歷數(shù)據(jù)列表
csv_filename (str): CSV文件名
"""
if not resumes:
print("沒有簡歷數(shù)據(jù)可保存")
return
# 定義CSV列名
fieldnames = [
'filename', 'name', 'gender', 'age', 'phone', 'email', 'address',
'job_intention', 'education_period', 'education_school', 'education_major',
'education_degree', 'work_experience', 'skills', 'self_evaluation'
]
with open(csv_filename, 'w', newline='', encoding='utf-8-sig') as csvfile:
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
for resume in resumes:
writer.writerow(resume)
print(f"簡歷數(shù)據(jù)已保存到: {csv_filename}")
def analyze_resumes(directory='resumes'):
"""
分析目錄中的所有簡歷
Args:
directory (str): 簡歷目錄路徑
"""
if not os.path.exists(directory):
print(f"目錄不存在: {directory}")
return
resumes = []
# 遍歷目錄中的所有Word文檔
for filename in os.listdir(directory):
if filename.endswith('.docx'):
filepath = os.path.join(directory, filename)
print(f"正在處理: {filename}")
resume_data = extract_resume_info(filepath)
if resume_data:
resumes.append(resume_data)
# 輸出分析結果
print("\n" + "="*50)
print("簡歷分析結果")
print("="*50)
# 統(tǒng)計基本信息
print(f"共處理簡歷: {len(resumes)} 份")
if not resumes:
return
# 按職位意向統(tǒng)計
job_counts = {}
for resume in resumes:
job = resume.get('job_intention', '未知')
job_counts[job] = job_counts.get(job, 0) + 1
print("\n職位意向分布:")
for job, count in job_counts.items():
print(f" {job}: {count} 人")
# 平均年齡
ages = []
for resume in resumes:
if resume['age'] and resume['age'].isdigit():
ages.append(int(resume['age']))
if ages:
avg_age = sum(ages) / len(ages)
print(f"\n平均年齡: {avg_age:.1f} 歲")
# 學歷分布
degree_counts = {}
for resume in resumes:
degree = resume.get('education_degree', '未知')
degree_counts[degree] = degree_counts.get(degree, 0) + 1
print("\n學歷分布:")
for degree, count in degree_counts.items():
print(f" {degree}: {count} 人")
# 工作經(jīng)歷統(tǒng)計
work_exp_counts = {}
for resume in resumes:
work_exp = resume.get('work_experience', '')
if work_exp:
# 計算工作經(jīng)歷數(shù)量（通過 | 分隔符）
count = work_exp.count('|') + 1
work_exp_counts[count] = work_exp_counts.get(count, 0) + 1
print("\n工作經(jīng)歷數(shù)量分布:")
for count, freq in sorted(work_exp_counts.items()):
print(f" {count} 段經(jīng)歷: {freq} 人")
# 技能統(tǒng)計
skill_counts = {}
for resume in resumes:
skills_str = resume.get('skills', '')
if skills_str:
# 按分號分隔技能
skills = [skill.strip() for skill in skills_str.split(';') if skill.strip()]
for skill in skills:
skill_counts[skill] = skill_counts.get(skill, 0) + 1
# 取前10個最常用技能
top_skills = sorted(skill_counts.items(), key=lambda x: x[1], reverse=True)[:10]
print("\n最常用技能(前10):")
for skill, count in top_skills:
print(f" {skill}: {count} 次")
# 保存詳細數(shù)據(jù)到CSV文件
save_to_csv(resumes, 'resumes_data.csv')
print(f"\n詳細數(shù)據(jù)已保存到: resumes_data.csv")
if __name__ == "__main__":
print("開始提取簡歷信息...")
analyze_resumes()
print("簡歷分析完成！")
生成的resumes_data.csv為：
在生成過程中還會在終端輸出：
開始提取簡歷信息... 正在處理: 簡歷_劉桂花_數(shù)據(jù)分析師.docx 正在處理: 簡歷_吳婷_數(shù)據(jù)分析師.docx 正在處理: 簡歷_吳建平_UI設計師.docx 正在處理: 簡歷_孫婷_軟件工程師.docx 正在處理: 簡歷_張麗麗_市場營銷.docx 正在處理: 簡歷_李建軍_運營專員.docx 正在處理: 簡歷_歐寧_數(shù)據(jù)分析師.docx 正在處理: 簡歷_王利_運營專員.docx 正在處理: 簡歷_羅歡_運營專員.docx 正在處理: 簡歷_韓巖_財務專員.docx ================================================== 簡歷分析結果 ================================================== 共處理簡歷: 10 份 職位意向分布: 數(shù)據(jù)分析師: 3 人 UI設計師: 1 人 軟件工程師: 1 人 市場營銷: 1 人 運營專員: 3 人 財務專員: 1 人 平均年齡: 28.3 歲 學歷分布: 博士: 4 人 碩士: 3 人 本科: 3 人 工作經(jīng)歷數(shù)量分布: 1 段經(jīng)歷: 2 人 2 段經(jīng)歷: 4 人 3 段經(jīng)歷: 4 人 最常用技能(前10): 數(shù)據(jù)分析: 4 次 Excel: 3 次 機器學習: 3 次 SQL: 3 次 Python: 3 次 用戶運營: 3 次 活動策劃: 3 次 SEO/SEM: 3 次 Tableau: 2 次 統(tǒng)計學: 2 次 簡歷數(shù)據(jù)已保存到: resumes_data.csv 詳細數(shù)據(jù)已保存到: resumes_data.csv 簡歷分析完成！
核心功能代碼
python-docx包
引入環(huán)境：from docx import Document
初始化文檔對象：doc=Document(filepath)
Document對象就是一個Word文檔對象，由一個個段落（paragraph）組成。paragraph中的屬性text就是文本（字符串）
從Document對象中，也可以通過tables屬性獲得表格列表，表格是Table對象。表格可以通過cell(行,列)（行列數(shù)都從0開始）獲取單元格，每個單元格的屬性text就是文本（字符串）
csv包
初始化寫入對象：
writer = csv.DictWriter(csv文件流, fieldnames=列名列表) writer.writeheader()
寫入一行：writer.writerow(dict) 傳入字典參數(shù)，以列名為鍵，值會寫入CSV
os包
- 從整個文件路徑里獲取文件名：
os.path.basename(filepath) - 獲取文件夾下所有文件的文件名：
os.listdir(directory) - 將文件夾路徑和文件名組合為文件路徑：
os.path.join(directory, filename)（事實上這個函數(shù)可以疊好幾層路徑，可以從父文件夾疊子文件夾名再疊文件名這樣疊成完整路徑）
re包（正則表達式）
對正則表達式的詳細介紹不在本專欄涉及的范圍中。
re.search(pattern,text)：搜索文本中第一個符合指定正則表達式pattern的文本，返回值的group()函數(shù)返回匹配的字符串
phone_match = re.search(r'1[3-9]\d{9}', text)匹配中國大陸手機號碼格式
總長度：11位數(shù)字
第一位：必須是1
第二位：必須是3-9（排除12開頭的特殊號碼）
后面9位：任意數(shù)字email_match = re.search(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)匹配標準郵箱格式：用戶名@域名.頂級域名
用戶名：字母、數(shù)字、特殊字符
域名：字母、數(shù)字、點、減號
頂級域名：至少2個字母
Python對象處理
字符串處理
strip()：去除文本開頭與結尾的空格、回車等控制符startswith(str)：文本開頭是否是特定字符串split(分隔符)：將文本用分隔符切分開。如果不顯式設置分隔符，默認用空格、回車等控制符來切分join(list)：將字符串列表組合成一個字符串，用對象文本作為連接詞isdigit()：如果字符串中所有字符都是數(shù)字，返回True
容器對象處理
- 列表
- 直接通過索引切片（
[index]）獲取對象 append(obj)：添加一個對象到列表末尾
- 直接通過索引切片（
- 字典
通過鍵值對格式可以直接創(chuàng)建字典對象：
{
'company': company,
'position': position,
'period': period
}
- 通過鍵名切片可以直接獲取值和賦值（如果鍵名不存在，會直接創(chuàng)建鍵值對），如
resume_data['self_evaluation'] - 通過
get(key,default_value)獲取值，在鍵（key）不存在時可以返回一個默認值（default_value） any(obj)如果obj中任何一個元素為True，就返回True
以上就是使用Python將Word文檔導出為PDF格式并從Word文檔中提取數(shù)據(jù)的詳細內容，更多關于Python Word導出為PDF并提取數(shù)據(jù)的資料請關注腳本之家其它相關文章！
相關文章
在深度學習項目中常常會處理各種數(shù)據(jù)集,下面這篇文章主要給大家介紹了關于Python批量刪除txt文本指定行的思路與代碼,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-02-02
這篇文章主要為大家詳細介紹了python實現(xiàn)飛機大戰(zhàn)游戲，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-11-11
flask框架實現(xiàn)連接sqlite3數(shù)據(jù)庫的方法分析
這篇文章主要介紹了flask框架實現(xiàn)連接sqlite3數(shù)據(jù)庫的方法,結合實例形式分析了flask框架連接sqlite3數(shù)據(jù)庫的具體操作步驟與相關實現(xiàn)技巧,需要的朋友可以參考下2018-07-07
這篇文章主要介紹了Python字符串替換的方法,實例對比分析了單個字符替換與字符串替換的相關技巧,非常簡單實用,需要的朋友可以參考下2015-05-05
Python使用POP3和SMTP協(xié)議收發(fā)郵件的示例代碼
這篇文章主要介紹了Python使用POP3和SMTP協(xié)議收發(fā)郵件的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-04-04
django項目用higcharts統(tǒng)計最近七天文章點擊量
這篇文章主要介紹了django項目用higcharts統(tǒng)計最近七天文章點擊量,本文給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2019-08-08
python機器學習樸素貝葉斯算法及模型的選擇和調優(yōu)詳解
這篇文章主要為大家介紹了python機器學習樸素貝葉斯及模型的選擇和調優(yōu)示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步2021-11-11
這篇文章主要介紹了python處理SQLite數(shù)據(jù)庫的方法，python處理數(shù)據(jù)庫非常簡單。而且不同類型的數(shù)據(jù)庫處理邏輯方式大同小異。本文以sqlite數(shù)據(jù)庫為例，介紹一下python操作數(shù)據(jù)庫的方,需要的朋友可以參考下，希望能幫助到大家2022-02-02
python Selenium等待元素出現(xiàn)的具體方法
在本篇文章里小編給大家分享的是一篇關于python Selenium等待元素出現(xiàn)的具體方法，以后需要的朋友們可以學習參考下。2021-08-08
這篇文章主要為大家介紹了Python參數(shù)的使用，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2021-12-12