用Python处理文档，5个必备的库

在Python中，有几个流行的库用于处理文档，包括解析、生成和操作文档内容。以下是一些常用的库及其简介和简单的代码示例：

1. PyPDF2 - 用于处理PDF文件。

• 简介：PyPDF2是一个纯Python库，用于分割、合并、转换和提取PDF文件中的文本和元数据。
• 示例代码：

import PyPDF2

# 打开PDF文件
pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

# 读取第一页的内容
page = pdf_reader.getPage(0)
text = page.extractText()
print(text)

pdf_file.close()

2. BeautifulSoup - 用于解析HTML和XML文档。

• 简介：BeautifulSoup是一个HTML和XML解析库，用于提取数据，如标签、属性、文本等。
• 示例代码：

from bs4 import BeautifulSoup
from urllib.request import urlopen

# 打开网页
html = urlopen('http://example.com').read()

# 解析HTML
soup = BeautifulSoup(html, 'html.parser')

# 查找所有段落
paragraphs = soup.find_all('p')
for p in paragraphs:
    print(p.get_text())

3. docx - 用于处理Microsoft Word文档（.docx）。

• 简介：docx是一个用于创建、读取和修改.docx文件的库。
• 示例代码：

from docx import Document

# 创建一个新的Word文档
doc = Document()

# 添加标题
doc.add_heading('Hello World', 1)

# 添加段落
doc.add_paragraph('This is a sample paragraph.')

# 保存文档
doc.save('example.docx')

4. openpyxl - 用于处理Excel文件（.xlsx）。

• 简介：openpyxl是一个用于读取和写入Excel 2010 xlsx/xlsm/xltx/xltm文件的库。
• 示例代码：

from openpyxl import Workbook

# 创建一个新的Excel工作簿
wb = Workbook()
ws = wb.active

# 添加数据
ws['A1'] = 'Hello'
ws['B1'] = 'World'

# 保存工作簿
wb.save('example.xlsx')

5. reportlab - 用于生成PDF文档。

• 简介：reportlab是一个用于创建PDF文档的库，支持复杂的布局和样式。
• 示例代码：

from reportlab.pdfgen import canvas

# 创建PDF文档
c = canvas.Canvas('example.pdf')

# 设置字体和大小
c.setFont('Helvetica', 12)

# 添加文本
c.drawString(100, 750, 'Hello World')

# 保存文档
c.save()

请注意，这些代码示例是为了展示每个库的基本用法，实际使用时可能需要根据具体需求进行调整。此外，确保在运行代码之前已经安装了相应的库，可以使用pip install命令来安装。