auto-office 程序包手册

coding:utf-8

作者：GYH(文商科学码自救小组)

版本号：beta 0.0.3

python版本：3.8

一、file模块包

file模块包的存在主要有两大意义：第一是为开发者操作文件集成了直接的接口，无需更多的复杂操作；第二是作为基础的工具包，提供了很多函数，为其他模块包提供了很多基础性的支持，不少其他模块包的函数依赖于本模块包。

(一) base_support模块

(1) is_image(file_path)

判断指定文件是否为图片, 即使更改文件后缀也可正确识别

Args: file_path: str, 文件绝对路径 return: bool变量, True为是, False为否

(2) delete(path):

删除文件夹或文件(已经处理好删除权限的问题)

Args: path: str, 文件或文件夹绝对路径

(3) file_in_folder(folder_path):

在给定主文件夹下，找出包括子文件夹内文件在内的所有的非文件夹文件

Args: folder_path: 文件夹路径 return: file_path_list: 非文件夹文件绝对路径的列表

(4) dissolution_folder(folder_path):

解散指定的文件夹

Args: folder_path: 文件夹路径

(5) str_is_number(string):

判断一个字符串是否为数值, 可识别百分数

Args: string: str, 字符串

(6) is_all_chinese(strs):

检验一个字符串是否全是中文字符

Args: strs: str, 字符串

(7) is_contains_chinese(strs):

检验一个字符串是否含有中文字符

Args: strs: str, 字符串

(8) is_all_english(strs):

检验一个字符串是否全为英文字符

Args: strs: str, 字符串

(9) is_contains_english(strs):

检测是否含有英文字符

Args: strs: str, 字符串

二、pdf模块包

(一) pdf_support模块

本模块提供了一些基础的对pdf文件的操作，并为其他pdf模块提供了很多基础性的支持，部分其他模块包的函数依赖于本模块包，同时，本模块的功能也很常用，可直接调用。

(1) merge_pdfs_from_paths(pdf_path_list, save_posit, merge_name='合并.pdf'):

将指定路径集合中的文件合并为一个pdf, 并保存至相应路径下

Args: pdf_path_list: list, 待合并的pdf文件的绝对路径集合, 可仅有一个pdf文件, 此时为功能退化为文件移动 save_posit: str, 合并后文件的保存文件夹绝对地址 merge_name: str, 合并后的文件命名, 默认为'合并.pdf'

(2) merge_pdfs_from_folder(folder_path, save_posit=None, merge_name='合并.pdf')

将指定文件夹下的所有pdf文件合并为一个文件

Args: folder_path: str, 指定文件夹的绝对路径 save_posit: str, 合并后文件的保存文件夹绝对地址, 默认为None, 即合并pdf默认保存在原文件夹处 merge_name: str, 合并后的文件命名, 默认为'合并.pdf'

(3) imgs2pdf(file_path_list, save_posit=None, pagesize=A4, remove=True)

将指定路径列表中的图片文件转为pdf

Args: file_path_list: 图片的路径列表 save_posit: str, 转换后pdf的保存文件夹绝对地址, 默认为None, 即转换后pdf默认保存在原图片处 pagesize: tuple, 预定义好的元组, 可选A4、A3等常见大小, 默认为A4, 也可自行定义 remove: 是否保留原有的图片文件, 默认保留

(4) img2pdf(img_path, pdf_path=None, pagesize=A4, remove=True)

将指定路径的图片转成PDF文件, 默认转化为竖版A4大小 Args: img_path: str, 图片的路径 pdf_path: str, 要保存的PDF文件的路径, 默认为None, 即保留在图片原位置 pagesize: tuple, 预定义好的元组, 可选A4、A3等常见大小, 默认为A4, 也可自行定义 remove: bool, 转为pdf后是否删除原图片, 默认为True

(二) pdf_function模块

(1) extract_pdf(pdf_path, page_list, save_posit=None)

提取pdf文件中指定页数的部分, 并创建新文件

Args: pdf_path: str, 文件路径 page_list: list, 需要提取的pdf页面list(从1开始而不是0), 其中元素可为整数, 也可以为可迭代类型(例如[1,6,10], (3，4，5)) save_posit: str, 提取的pdf页面新文件要保存的目录, 默认为pdf对应目录

(2) corres_pdfs_merge(pdf_folder1, pdf_folder2, df, save_posit, order = 1, name='pre')

将两个文件夹中的pdf群, 按照dataframe中的对应顺序, 进行合并

Args: pdf_folder1: str, 装有pdf文件的文件夹1绝对路径, 默认在合并后居前 pdf_folder2: str, 装有pdf文件的文件夹2绝对路径, 默认在合并后居后 df: pandas.Dataframe, 第一、二列分别对应两个pdf文件夹中的文件如何对应合并, 内容为文件名+拓展名 save_posit: str, 提取的pdf页面新文件要保存的目录, 默认为pdf对应目录 order: int, 文件合并顺序, 默认为1, 即pdf_folder1在合并后居前, pdf_folder2居后 name: str, 文件命名顺序, 默认为'pre', 即用pdf_folder1中文件命名合并后pdf

三、excel模块包

(一) excel_support模块

(1) is_number(cell=None, ws=None, row: int = None, col: int = None)

判断一个单元格的值是否为数字, 可识别正常数字、字符串数字 Args: cell: openyxl中的cell单元格对象, 与(ws, row, col)参数组只需导入一个 ws: openyxl中的worksheet工作表对象, 当cell参数不为空时, 可不导入 row: int, 行编号, 注意编号不是从0开始的 col: int, 列编号, 注意编号不是从0开始的

(2) str2num(cell=None, ws=None, row: int = None, col: int = None)

将单元格内以文本形式存在的数字、百分比数字、会计数字转换为数字 Args: cell: openyxl中的cell单元格对象, 与(ws, row, col)参数组只需导入一个 ws: openyxl中的worksheet工作表对象, 当cell参数不为空时, 可不导入 row: int, 行编号, 注意编号不是从0开始的 col: int, 列编号, 注意编号不是从0开始的

(3) cell_style(cell, style: dict)

将对应单元格对象一次性设置样式 Args: cell: openpyxl下的cell对象 style: 可在style这个字典中指定好cell各个格式需要的样式。举例: style = { 'border': 'border_first', 'alignment': 'alignment_num', 'font': 'font_cn', }

(4) adjust_column_dimension(ws, min_col: int, max_col: int)

自适应调整从起始列到终点列的的列宽 Args: ws: openyxl中的worksheet工作表对象 min_col: int, 起始列编号 max_col: int, 终点列编号

(5) df_list2excel(df_list, save_posit, file_name='1', in_one_excel=True)

将dataframe构成的列表list导出为excel文件 Args: save_posit: str, excel文件存放文件夹位置 file_name: 文件名, 当in_one_excel=False时应当提供一个字符串列表, 否则excel文件将分别被命名为1、2、... in_one_excel: 是否将dataframe导入一个excel

(6) str_count(s)

本函数被adjust_column_dimension调用, 用于记录字符串内各类字符的数量

Args: s: str, 输入字符串

(二) adjust模块

(1) excel_format_adj(file, first_line=False)

调整excel的格式, 使之变得美观规整

Args: file: str, excel文件的位置路径 first_line: bool, 当为True时, excel表头将被加入下划线, 默认为false

(2) yoy_insert(ws = None, file: str = None, sheet: int = 1, rows: list = None, yoy_range: list = None, mode: str = 'add')

插入并生成同比增长率行。【本函数尚未开发完成, 仅供开发者参考】

这个方法有一个无法解决的bug, 在"add"模式下, 用openpyxl插入行后, 源文件下方已有的行若存在公式, 不会随着程序插入行而自动改变, 这时表格就会出现错误。此时建议由用户提前在要计算yoy的行下手动插入空行, 在程序中使用"fill"模式。

Args: ws: worksheet, 当ws为空时代表用文件路径(file参数)获取 file: 文件路径, 当file为空时应输入ws(worksheet)参数, 二者必有其一 sheet: 操作的表是第几张sheet, 从1开始计数 rows: list, 需要计算yoy的数据所在的行编号组成的列表, 举例:[1,3,4] yoy_range: 嵌套列表, 例如[[2, 10], [12, 14]]代表要操作的列从第2列开始到第9列, 一级第12列开始到第14列 mode: 当启用"add"模式时, 程序会自动帮忙创建yoy行, 当启用"fill"模式时, 需要用户自己手动创建行

(三) generate模块

(1) get_pdf_table( file, pages: str, multiple_tables=True, mode="stream", area=None, relative_area=False, process_background=False, encoding='gbk', password=None, engine='tabula')

Args: file: str, 要读取表格的pdf文件路径 pages: 字符串或列表, 表格所在pdf的页数。举例: '1-7,10', 'all', [1,2] multiple_tables: boolean, 是否将多个表格合一输出, True为分开输出, False为合并输出 mode: str, 模式选择, lattice: 利用 ghostscript 将PDF页面转换为图像, 再用OpenCV进行处理 stream: PDFMiner使用margin解析单元格之间有空格的表格以模拟表格 area: list, 指定表格坐标, 初次运行的时候可以给的不那么精细, 坐标为[上, 左, 下, 右], 举例[10,0,80,100] relative_area: boolean, 百分比坐标模式, 当为True时area参数应输入百分比参数 encoding: str, 编码格式, 一般gbk就可以了, 有问题的话可以试试utf-8 password: 如果pdf文件有密码, 需要把密码输入该参数 engine: str, 使用何种引擎进行识别, 可选tabula或cameplot, 【目前cameplot未开发完成】

return: tables: 返回一个由dataframe构成的列表list

(四) style模块

本模块中没有功能函数, 而是预定义了许多可以供全局调用的openpyxl样式

四、word模块包

(一) word_support模块

(1) words2pdf(word_path, remove=True)

将单个word文件转化为pdf文件

Args: word_path: str, 目标word的绝对路径 remove: boolean, pdf转换完成后, 是否删除原word, 默认为是

(2) words2pdf(word_path_list, remove=True)

将指定路径集合中的word文件转为pdf

Args: word_path_list: list, word文件的路径列表 remove: boolean, 是否保留原有的word文件

(二) word_function模块

(1) address_sep(excel_path, sheet=1, address_col='地址', out_path='标准化地址.xlsx')

将excel中长串字符串地址转化为标准化地址省、市、区, 可用于投行函证工作

Args: excel_path: str, 存放地址的excel文件绝对路径 sheet: int, 路径存放在第几张表, 从1开始 address_col: str, 路径存放在哪一列 out_path: str, 输出位置, 默认为'标准化地址.xlsx'

(2) generate_Word_from_tpl(tpl, keywords, sheet=1, files=False):

根据模板替换关键词批量生成word文件并存放到指定位置

Args: tpl: str, 模板word文件所在的路径 keywords: str, 关键词excel文件所在的路径 sheet: int, 关键词放在哪张表中, 从1开始计数 files: boolean, 当files为Trues时, 创建word文件前会创建一个同名文件夹, word在其中