pyautogui_pdf内容提取到excel内_3

63 阅读 0 评论 42 点赞

我是靠谱客的博主友好天空，最近开发中收集的这篇文章主要介绍pyautogui_pdf内容提取到excel内_3，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

sklearn实战-乳腺癌细胞数据挖掘（博主亲自录制视频）

https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

程序增加了智能判断时间功能，根据pdf文档页数来调整等待时间，页数越长，时间越长，反之亦然。

如果读取页数出错，说明pdf文档质量不好，则返回10秒等待时间

这样降低了错误率。

# -*- coding: utf-8 -*-
"""
Created on Thu May 12 11:22:57 2016
excel 会自动保存，不用再自己保存
提示：运行一次anaconda后要重新启动，anaconda和pyautogui有点不兼容
其它软件突然弹出会扰乱程序，例如杀毒软件，搜狗，对话框等弹出
pdf字符串超过8192个，也会出错，复制错位pdf
pdf内容第一个字符是等号或减号时，会提示出错信息
 
#最新操作法：
0.批量导入pdf文件名到excel内
1.读取所有pdf文件名，保存到list_pdf_fileNames
2.准备工作：打开pdf和excel
3.循环把所有pad内容复制粘贴到excel内
    3.1输入PDF文件名,并进入,全选内容，复制pdf内容
    3.2返回桌面，打开excel
    3.3pdf内容复制到cell内
    3.4  保存excel，关闭excel
4.保存excel，关闭excel；关闭pdf
 
 
excel快捷键：
窗口最大化：ctrl+F10
进入相应cell:F2:
切换：Alt+tab
保存：ctrl+s
关闭： alt+f4
 
pdf快捷键：
打开pdf文档：ctrl+o
全选：ctrl+a
复制：ctrl+c
粘贴：ctrl+v
关闭pdf文档：ctrl+w
关闭Adobe：ctrl+q
 
@author: Administrator
"""
 
import pyautogui,time,os,PyPDF2,xlrd

#任务栏锁定excel坐标（101,876） pdf坐标（174,875）

office_dir_pdf_files="C:/Users/Administrator/Desktop/pdf批量提取到excel/guide_pdf/"
home_dir_pdf_files="C:/Users/daxiong/Desktop/李佳pdf中文提取/guide_pdf/"
dir="C:/Users/Administrator/Desktop/pdf批量提取到excel/guide_pdf/"
 
data=xlrd.open_workbook("C:/Users/Administrator/Desktop/test1.xlsx")
table=data.sheet_by_index(0)
list_pdf_fileNames=table.col_values(0)
 
def Get_time(i):
    filename=dir+list_pdf_fileNames[i]
    try:
        pdfFileObj=open(filename,'rb')
        pdfReader=PyPDF2.PdfFileReader(pdfFileObj)
        pages=pdfReader.numPages #显示页数 在第4100行时读取pdfReader也会出错
        
    except:
        
        #print ("wrong when read pdf:",filename)
        sleepTime=10
        return sleepTime
         
    if pages<=5:
        sleepTime=2
    elif 5<pages<=10:
        sleepTime=3
    elif 10<=pages<20:
        sleepTime=5
    elif 20<=pages<30:
        sleepTime=7
    else:
        sleepTime=int(pages/6)
     
    return sleepTime

     
#返回桌面,打开pdf
def Return_desktop_open_pdf():
    #pyautogui.hotkey("winleft","d")
    #time.sleep(1)
    #打开存储PDF软件；（50,50）为pdf坐标
    pyautogui.click(174,875)
    time.sleep(1)
     
#返回桌面,打开excel 
def Return_desktop_open_excel():
    #pyautogui.hotkey("winleft","d")
    #time.sleep(1)
    #打开存储excel软件；（55,189）为excel坐标
    pyautogui.click(101,876)
    time.sleep(1)  #双击安全参数5，特别是后期数据量变大
 
#保存，关闭excel
def Save_and_close_excel():
    pyautogui.hotkey("ctrl","s")
    time.sleep(10) #安全参数5-10
    #pyautogui.hotkey("alt","f4")
    #time.sleep(1) #安全参数2
 
#excel复制一个单元格内容
def Excel_copy_oneCellContent(i):
    pyautogui.press("f2")
    time.sleep(1)
    #粘贴信息
    pyautogui.hotkey("ctrl","v")
    
    sleeptime=Get_time(i)
    time.sleep(sleeptime)  #安全参数10
    pyautogui.press("enter")
    time.sleep(1)
    

    #pyautogui.hotkey("winleft","d")
    #time.sleep(1)
        
 
def Copy_one_pdfToExcel(i):
    fileName=list_pdf_fileNames[i]
    #循环把所有pad内容复制粘贴到excel内
    #打开存储PDF软件；（55,189）为pdf坐标
    pyautogui.click(174,875)
    time.sleep(1)
    pyautogui.hotkey("ctrl","o")
    time.sleep(1)
    #2.1输入PDF文件名,并进入
    pyautogui.typewrite(fileName)
    time.sleep(1)
    pyautogui.press("enter")
    time.sleep(1)
 
    #选中pdf全部内容
    pyautogui.hotkey("ctrl","a")
    time.sleep(1)
    sleeptime=Get_time(i)  #安全参数10
    #复制所有内容,等待时间设置长一点
    pyautogui.hotkey("ctrl","c")
    time.sleep(sleeptime)
    #关闭pdf文档
    pyautogui.hotkey("ctrl","w")
    time.sleep(1)  #安全参数2
    #print("ok for test")
    #2.2返回桌面，打开excel
    Return_desktop_open_excel()
    #print("ok for test1")
    #excel复制一个单元格内容
    Excel_copy_oneCellContent(i)
    #print("ok for test2")
     
 

#准备工作：excel的cell默认锁定位置是（B,2），最大化  
pyautogui.doubleClick(50,50)
time.sleep(5)  #安全参数5，特别是后期数据量变大
pyautogui.hotkey("winleft","d")
time.sleep(1)

#循环把所有pad内容复制粘贴到excel内
for i in range(len(list_pdf_fileNames)):
    Copy_one_pdfToExcel(i)

#3.关闭Adobe acrobat9.0
pyautogui.hotkey("ctrl","q")