背锅了！PDF转Word功能修复了一个重要Bug

大家好，这里是程序员晚枫，今天给大家分享一个刚刚修复的新鲜Bug：有关PDF转Word功能的报错。

Bug说明

Bug来自我们的一位用户，他用的是arm架构的Mac电脑，Parallels Desktop虚拟机里是win11系统。

在运行代码的时候报错以下内容：

[ERROR] Ignore page 2 due to making page error: invalid literal for int() with base 16: ‘xc’

我远程给他看了一个多小时，也没找到原因。

我十分纳闷：我上次更新的版本里，没动这个功能的代码，当时的单元测试也都通过了呀，怎么突然就不能用了呢？

Bug解决

因为这个功能的实现依赖的是pdf2docx这个库，既然我的代码没动过，那是不是它的代码升级导致的？

果然！

在GitHub的issue里，有一位同学提出了相同的问题，并且给出了解决方案。

详情见：https://github.com/ArtifexSoftware/pdf2docx/issues/330

于是我在popdf的依赖中，指定了这个版本，就解决了这个问题。

如果大家也出现了这个问题，直接在自己的电脑升级一下popdf的版本就可以了，命令如下：

1
pip install popdf -U

相关课程

展开全文 >>

搞钱必备！MarsCode神技：开源项目文档秒速生成，让你的代码库火遍全网！

大家好，这里是程序员晚枫。

和大家一样，每次听到写文档，我都很头疼。

所以我就想，能不能用大模型来写文档呢？

正好我最近正在迭代python-office这个开源项目，其中一个子项目：popdf的代码注释和项目文档，我就全部用大模型来写了。

其中大模型我用的是：MarsCode编程助手。

需求说明

我开发Python处理文档的开源项目：python-office有5年的时间了，但是因为懒，文档这方面一直做得不好。

然而这个项目主要是给小白用的，所以文档又非常的重要。

所以我这次打算给每个功能都写一篇文档，让大家可以按需使用。

用大模型来实现

1、安装插件

首先在vscode里安装MarsCode编程助手插件。

2、生成文档模板

然后，在插件里输入以下命令：

根据python-office的代码仓库：https://github.com/CoderWanFeng/python-office，给我写一个python-office项目的popdf模块的文档。

3、编辑文档

接下来就是复制粘贴，然后修改细节。

但是在修改的过程中，MarsCode会给你提供文档补全的功能，这大大提高了我的工作效率。

4、结果展示

最后，我把这个项目的文档全部生成完毕，效果非常不错。

可以看到，我用MarsCode来写文档，比我自己写要快很多。

我还把这个项目的文档放到了gitee上，大家可以直接下载使用。

https://gitee.com/CoderWanFeng/python4office.cn/tree/main/hexo/hexo/source/_posts/python-office/popdf

写在最后

技术人更关注技术实现的细节，但是写文档对一个项目来说，也是非常重要的任务。

对于一些重复性的描述，完全可以交给大模型来实现。

展开全文 >>

原创！10分钟入门Python + Excel自动化办公（pandas版）

大家好，这里是程序员晚枫，之前在B站账号：Python自动化办公社区发布了一套关于Excel + Python实现自动化办公的教程，目前已经有40w+的播放了。

其中主要使用的Python第三方库是pandas，今天就以pandas为核心内容，给大家分享一下精简版的10分钟入门教程。

我根据pandas的官方文档做了以下修改：

  • 改为中文，官网是英文版，这个不用多解释了。
  • 把技术上的专用名词改为通俗易懂的日常词汇，因为关注我的朋友有一部分不是程序员。
  • 增加了pandas + excel应用的案例，官网文档主要是编程角度的介绍。

因本人能力有限，如果有错误的地方，欢迎大家评论区 或者 加入读者群交流。

0、写在前面

pandas和Excel的对比

为了方便大家理解，我先用Excel里有的概念，来解释一下pandas里的基本数据类型。如下图所示：

pandas Excel
DataFrame worksheet
Series 一列数据（含列名）
Index 行号
row 列
NaN 空单元格

演示数据

本文使用的演示Excel中的文件名：程序员晚枫的账号.xlsx，存放在我本地的D盘下work文件夹里，里面只有一个sheet，如下图所示，大家可以自己在电脑上创建一个。

文件的位置：D:\work\程序员晚枫的账号.xlsx

platform（平台） name（账号名） fans（粉丝数） remark（备注）
0 B站 Python自动化办公社区 140000 课程
1 抖音 程序员晚枫 6000 vlog
2 公众号 Python自动化办公社区 100000 文章
3 小红书 程序员晚枫 8000 工具
4 小红书 Python自动化办公社区 10000

必备软件

Python和PyCharm的安装、第三方库的安装，我就不再每个教程都重复了，大家跟着下面的3个视频顺序安装即可：

1、读取Excel

首先，把Excel读进Python代码里。

1
2
3
4
5

import pandas as pd
platform_df = pd.read_excel('D:\\work\\程序员晚枫的账号.xlsx',sheet_name='sheet1')#和下面这句代码等效
platform_df = pd.read_excel('D:\\work\\程序员晚枫的账号.xlsx',sheet_name=0)
print(platform_df) #查看读取的Excel内容

2、查看数据

查看头/尾数据

1
2
print(platform_df.head(3)) #查看前5行数据
print(platform_df.tail(3))  #查看后5行数据

查看索引、列名和值

1
2
3
print(platform_df.index)    #查看索引
print(platform_df.columns)  #查看列名

查看某一列的数据分析

查看粉丝数这一列的基本统计信息，包括计数、平均值、标准差、最小值、最大值以及25%、50%、75%分位数。

1
2
3

print(platform_df.fans.describe())

3、排序

根据某一列的值进行排序，默认是升序。

1
print(platform_df.sort_values('fans'))

如果想降序排列，可以使用ascending=False参数。

根据行索引进行排序，代码如下：

1
print(platform_df.sort_index(ascending=False))

4、筛选数据

筛选出粉丝数大于10w的账号

1
print(platform_df[platform_df.fans > 100000])

筛选出备注为空的账号

1
print(platform_df[platform_df.remark.isna()])

5、新增一列

1
2
platform_df['new'] = 100
print(platform_df)

6、删除一列

1
2
platform_df.drop('new',axis=1,inplace=True) #axis=1表示删除列，inplace=True表示直接在原数据上修改
print(platform_df)

7、保存数据

1
platform_df.to_excel('D:\\work\\程序员晚枫的账号.xlsx',sheet_name='sheet1',index=False) #index=False表示不保存索引

8、参考文档

展开全文 >>

揭秘PyMuPDF：掌握PDF编辑与转换的终极指南

大家好，这里是程序员晚枫，今天给大家分享一个PDF自动化办公的第三方库：PyMuPDF。

官网地址：https://pymupdf.readthedocs.io/en/latest/index.html

PyMuPDF（也称为pymupdf）是一个强大的Python库，用于处理PDF和其他图形文件格式。以下是一些基本的步骤和示例，帮助你开始使用PyMuPDF。

安装PyMuPDF

首先，你需要安装PyMuPDF。你可以通过pip安装：

1
pip install pymupdf

在1.24.3版本发布之前，这个库的顶级Python导入名称是“fitz”。在1.24.3版本中，这个名称已被弃用，取而代之的是“pymupdf”。

基本操作

  1. 打开PDF文件
1
2
3
4
import pymupdf  # PyMuPDF

# 打开一个PDF文件
doc = pymupdf.open("程序员晚枫.pdf")
  1. 读取和显示页面内容
1
2
3
4
5
6
7
8
# 获取文档页数
page_count = doc.page_count

# 遍历每一页
for page_num in range(page_count):
    page = doc.load_page(page_num)  # 加载页面
    text = page.get_text()  # 获取页面文本
    print(text)
  1. 插入文本
1
2
3
4
5
6
7
8
9
10
11
# 打开文档
doc = pymupdf.open("程序员晚枫.pdf")

# 获取第一页
page = doc[0]

# 插入文本
page.insert_text((50, 50), "Hello, World!", fontname="helv", fontsize=12)

# 保存文档
doc.save("程序员晚枫_modified.pdf")
  1. 插入图像
1
2
3
4
5
6
7
8
9
10
11
# 打开文档
doc = pymupdf.open("程序员晚枫.pdf")

# 获取第一页
page = doc[0]

# 插入图像
page.insert_image((50, 50, 200, 200), filename="image.png")

# 保存文档
doc.save("程序员晚枫_with_image.pdf")
  1. 合并PDF文件
1
2
3
4
5
6
7
8
9
10
11
import pymupdf

# 打开两个PDF文件
doc1 = pymupdf.open("document1.pdf")
doc2 = pymupdf.open("document2.pdf")

# 将第二个文档插入到第一个文档的末尾
doc1.insert_pdf(doc2)

# 保存合并后的文档
doc1.save("merged_document.pdf")
  1. 提取页面
1
2
3
4
5
6
7
8
# 打开文档
doc = pymupdf.open("程序员晚枫.pdf")

# 提取第一页
page = doc[0]

# 保存提取的页面为新的PDF文件
page.save("extracted_page.pdf")
  1. 加密PDF文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import pymupdf

# 创建一个新的PDF文档
doc = pymupdf.open()
page = doc.new_page()

# 插入一些文本
page.insert_text((50, 50), "Secret Information")

# 设置密码和权限
doc.needs_pass = "user_password"  # 用户密码
doc权限 = pymupdf.PDF_PERM_PRINT | pymupdf.PDF_PERM_COPY  # 允许打印和复制
doc.encrypt_user_password("owner_password", doc权限)  # 设置所有者密码和权限

# 保存加密的PDF文件
doc.save("encrypted.pdf")

这些只是PyMuPDF库的一些基本用法。PyMuPDF的功能非常丰富，包括但不限于修改PDF内容、添加注释、提取图像和文本、转换PDF页面等。你可以根据需要探索更多的功能和方法。

相关课程

展开全文 >>

减小20M！PDF自动化办公专用库：popdf，发布1.0.0版本

大家好，这里是程序员晚枫，今天给大家分享一个PDF自动化办公的第三方库：popdf。

源码地址：https://github.com/CoderWanFeng/popdf

popdf 是一个 Python 自动化办公之 Excel 操作的第三方库，它来自于开源项目 python-office。

以下是 popdf 的一些基本使用方法：

安装 popdf

你可以通过 pip 命令来安装 popdf：

1
pip install -i https://mirrors.aliyun.com/pypi/simple/ popdf -U

更新说明

本次popdf 发布了1.0.0版本：重点有以下几个方面的更新：

  • 精简了依赖库：重点封装了PyMuPDF和PyPDF2这2个库，去掉了其它处理PDF的库，减小了20M的存储空间。
  • 精简了代码：删除了不必要的代码和注释，优化了代码结构。
  • 统一了参数的命名方式：input_path、output_path、input_file、output_file…，下文有详细的介绍
  • 完善了配套的课程，这部分课程会发布到B站：Python自动化办公社区，大家敬请期待~

popdf 的功能

popdf 提供了多种功能，包括但不限于：

  1. add_text_watermark：给 PDF 添加文本类型的水印。
  2. txt2pdf：将 TXT 文件转换为 PDF。
  3. encrypt4pdf：对 PDF 文件进行加密。
  4. decrypt4pdf：对 PDF 文件进行解密。
  5. merge2pdf：合并多个 PDF 文件。
  6. pdf2docx：将 PDF 转换为 Word 文档。
  7. pdf2imgs：将 PDF 转换为图片。
  8. split4pdf：将 PDF 按指定页数拆分。

使用示例

以下是一些 popdf 功能的使用示例：

PDF 转 Word

1
2
3
import popdf

popdf.pdf2docx(input_file='程序员晚枫.pdf', output_path='输出的Word文件路径')

添加水印

1
2
3
import popdf

popdf.add_text_watermark(input_file='你的PDF文件路径.pdf', point=(50, 50), text='水印内容')

请注意，具体的使用方法和参数可能会根据 popdf 的版本更新而有所变化，建议查看官方文档或 GitHub 仓库以获取最新的使用指南和示例代码。

参数说明

本次更新，还统一了参数的命名方式：

  • input_path：输入PDF的路径一般用于批量操作
  • output_path：输出PDF的路径，一般用于批量操作
  • input_file: 输入PDF的文件名，可以包含路径，一般用于单个文件的操作
  • output_file：输出结果的文件名，可以包含路径，一般用于单个文件的操作
  • input_file_list: 输入PDF的文件列表，一般用于批量操作，例如：合并2个pdf文件

相关课程

展开全文 >>

Excel转Markdown，1行代码搞定

大家好，这里是程序员晚枫，今天给大家分享一个Python自动化办公的第三方库：pomarkdown，专门用来处理markdown文件。

源码地址：https://github.com/CoderWanFeng/pomarkdown

本文是该库的第1个功能：1行代码将Excel转成Markdown。

需求说明

我最近在出一套课程：Python + Excel，实现自动化办公。

其中写文档的过程中需要用到到Excel转成Markdown，方便我在文档中插入表格数据。

所以我就开发了这个功能：可以实现整个Excel的转换，也可以只转换其中的1个sheet。

上代码

首先，下载一个Markdown自动化办公的专用库：pomarkdown，命令如下，👇

1
pip install pomarkdown

然后直接1行代码搞定，👇

1
2
3
4
5
6
7
8
# pip install pomarkdown
import pomarkdown

pomarkdown.excel2markdown(
            input_file=r"./teset_files/test.xlsx",
            output_file=r"./teset_files/test.md",
            sheet_name='Sheet1'
        )

参数说明

  • input_file: 输入PDF的文件名，可以包含路径，一般用于单个文件的操作
  • output_file：输出结果的文件名，可以包含路径，一般用于单个文件的操作
  • input_path：输入PDF的路径一般用于批量操作，选填
  • output_path：输出PDF的路径，一般用于批量操作，选填
  • sheet_name：工作表名称，可以不填，默认是所有的sheet

相关课程

展开全文 >>

popdf，PDF自动化办公，1行代码搞定

大家好，这里是程序员晚枫，今天给大家分享一个Python自动化办公的第三方库：popdf，专门用来处理PDF文件。

源码地址：https://github.com/CoderWanFeng/popdf

前置知识

Python和PyCharm的安装，就不再每套课程都重复了，跟着下面视频做就行了。

课程前3讲，主要是Python环境的搭建，包含：python的安装、pycharm的安装和pip的使用。

是学习本套课程、运行课程中的代码必须安装的软件。

如果是小白，请务必按顺序听完学会；如果是已经安装并且会使用的大佬，请直接跳转到下一部分的课程。

核心内容

已有功能的说明如下：

序号 方法名 功能 视频 文档
1 pdf2docx 💻PDF 转 Word 💻 播放 查看
2 pdf2imgs PDF 转 图片 💻文档 查看
3 txt2pdf TXT转PDF 文档 查看
4 split4pdf 按页切割PDF 💻文档 查看
5 encrypt4pdf PDF加密 文档 查看
6 decrypt4pdf PDF解密 文档 查看
7 add_text_watermark PDF加水印 播放 查看
8 merge2pdf 合并PDF 文档 查看

相关课程

展开全文 >>

PDF转Word，1行代码搞定

大家好，这里是程序员晚枫，今天给大家分享一个Python自动化办公的第三方库：popdf，专门用来处理PDF文件。

源码地址：https://github.com/CoderWanFeng/popdf

需求说明

上代码

首先，下载一个PDF自动化办公的专用库：popdf，命令如下，👇

1
pip install popdf

然后直接1行代码搞定，👇

1
2
3
4
5
6
7
# pip install popdf
import popdf

popdf.pdf2docx(
            input_file=r'test_files/pdf/程序员晚枫.pdf',
            output_path=r'./test_files/docx/'
        )

参数说明

  • input_path：输入PDF的路径一般用于批量操作
  • output_path：输出PDF的路径，一般用于批量操作
  • input_file: 输入PDF的文件名，可以包含路径，一般用于单个文件的操作
  • output_file：输出结果的文件名，可以包含路径，一般用于单个文件的操作
  • input_file_list: 输入PDF的文件列表，一般用于批量操作，例如：合并2个pdf文件

相关课程

展开全文 >>

任意格式的文件转PDF，1行代码搞定

大家好，这里是程序员晚枫，今天给大家分享一个Python自动化办公的第三方库：popdf，专门用来处理PDF文件。

源码地址：https://github.com/CoderWanFeng/popdf

需求说明

上代码

首先，下载一个PDF自动化办公的专用库：popdf，命令如下，??

1
pip install popdf

然后直接1行代码搞定，??

1
2
3
4
5
6
# pip install popdf
import popdf

popdf.txt2pdf(input_file, output_file)

参数说明

  • input_path：输入PDF的路径一般用于批量操作
  • output_path：输出PDF的路径，一般用于批量操作
  • input_file: 输入PDF的文件名，可以包含路径，一般用于单个文件的操作
  • output_file：输出结果的文件名，可以包含路径，一般用于单个文件的操作
  • input_file_list: 输入PDF的文件列表，一般用于批量操作，例如：合并2个pdf文件

相关课程

展开全文 >>

加密PDF文件，1行代码搞定

大家好，这里是程序员晚枫，今天给大家分享一个Python自动化办公的第三方库：popdf，专门用来处理PDF文件。

源码地址：https://github.com/CoderWanFeng/popdf

需求说明

上代码

首先，下载一个PDF自动化办公的专用库：popdf，命令如下，??

1
pip install popdf

然后直接1行代码搞定，??

1
2
3
4
5
6
7
8
# pip install popdf
import popdf

popdf.encrypt4pdf(
            input_file=r'./test_files/pdf/程序员晚枫.pdf',
            password='123456',
            output_file=r'./test_files/pdf/encrypt4pdf.pdf'
        )

参数说明

  • input_path：输入PDF的路径一般用于批量操作
  • output_path：输出PDF的路径，一般用于批量操作
  • input_file: 输入PDF的文件名，可以包含路径，一般用于单个文件的操作
  • output_file：输出结果的文件名，可以包含路径，一般用于单个文件的操作
  • input_file_list: 输入PDF的文件列表，一般用于批量操作，例如：合并2个pdf文件

相关课程

展开全文 >>

本站总访问量次

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

编程博主，全网粉丝30w+，开源项目：python-office，我的微信：CoderWanFeng