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()

1. 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())

1. 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')

1. 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')

1. 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)