pyautogui_pdf内容提取到excel内_3
python入门经典视频系列教程(免费,2K超清,送书)
https://study.163.com/course/courseMain.htm?courseId=1006183019&share=2&shareId=400000000398149
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 -*-
"""
作者QQ:231469242
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")
https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149( 欢迎关注博主主页,学习python视频资源,还有大量免费python经典文章)
pyautogui_pdf内容提取到excel内_3的更多相关文章
- PDF文本内容批量提取到Excel
QQ:231469242,版权所有 sklearn实战-乳腺癌细胞数据挖掘 https://study.163.com/course/introduction.htm?courseId=1005269 ...
- POI根据EXCEL模板,修改内容导出新EXCEL (只支持HSSF)
package excelPoiTest; import java.io.File; import java.io.FileInputStream; import java.io.FileOutput ...
- html table表格导出excel的方法 html5 table导出Excel HTML用JS导出Excel的五种方法 html中table导出Excel 前端开发 将table内容导出到excel HTML table导出到Excel中的解决办法 js实现table导出Excel,保留table样式
先上代码 <script type="text/javascript" language="javascript"> var idTmr; ...
- PHP读取Excel内的图片
今天接到了一个从Excel内读取图片的需求,在网上查找了一些资料,基本实现了自己的需求,不过由于查到的一些代码比较久远,不能直接移植到自己的项目里,需要稍加改动一下. 这里介绍一下分别使用phpspr ...
- 将页面上的内容导出到Excel
<asp:Button ID="lkbExport" runat="server" Name="Save" Text="导出 ...
- 使用NPOI将TABLE内容导出到EXCEL
项目中需要将页面中的table内容导出到EXCEL,在用了几种方法后发现NPO是最快&最好的 需要应用 NPOI.dll 还有个Ionic.Zip.dll不知道有用没,没去研究,两个DLL都放 ...
- Python即时网络爬虫项目: 内容提取器的定义(Python2.7版本)
1. 项目背景 在Python即时网络爬虫项目启动说明中我们讨论一个数字:程序员浪费在调测内容提取规则上的时间太多了(见上图),从而我们发起了这个项目,把程序员从繁琐的调测规则中解放出来,投入到更高端 ...
- Python即时网络爬虫项目: 内容提取器的定义
1. 项目背景 在python 即时网络爬虫项目启动说明中我们讨论一个数字:程序员浪费在调测内容提取规则上的时间,从而我们发起了这个项目,把程序员从繁琐的调测规则中解放出来,投入到更高端的数据处理工作 ...
- API例子:用Java/JavaScript下载内容提取器
1,引言 本文讲解怎样用Java和JavaScript使用 GooSeeker API 接口下载内容提取器,这是一个示例程序.什么是内容提取器?为什么用这种方式?源自Python即时网络爬虫开源项目: ...
随机推荐
- 《Linux内核设计与实现》第四章读书笔记
4.1 多任务 多任务操作系统就是能同时并发地交互执行多个进程的操作系统. 多任务系统可以划分为两类: 非抢占式多任务进程会一直执行直到自己主动停止运行 抢占式多任务Linux/Unix使用的是抢占式 ...
- 结对项目gobang
题目介绍:实现五子棋的基本规则,分黑棋和白棋.连成5个的胜利,完成了五子棋的单人游戏. 代码地址:https://github.com/liuxianchen/gobang 结对人:刘仙臣 康佳 结 ...
- C程序设计实践教学提示
实践教学要点:实验重心应放在实验室之外,重在实验准备 对实验题目的分析是一个复杂的工作,很发时间的,如全部放在实验上机时来完成,是不现实的.(特别是后面实验的难度增大,或实验代码增多的情况下),而且, ...
- 【软件工程Ⅱ】作业四 |个人项目-小学四则运算 “软件”之初版(C语言)
本次作业的要求来自于:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2186 本次作业代码的github地址:https://gith ...
- Oracle 数据库启动过程
一 启动数据库 Oracle启动过程涉及几种模式,这些模式涉及不同的文件,每个状态下数据库做不同的事情,同时这些模式适用于不同的维护需求,主要的模式有三种:NOMOUNT.MOUNT.OPEN. 1 ...
- Node params和query的Get请求传参
//1:加载http express框架//2:创建服务器const http = require("http");const express = require("ex ...
- 《ERP系统》客户信用及风控代码
1.风控核心代码: <?php namespace core\models; class SalesCustomersFacade extends \common\models\Base{ /* ...
- Swagger2 配置
1. 每个请求都需要换取key: @Bean public Docket createRestApi() { //添加head参数start ParameterBuilder appId = new ...
- BZOJ3294 CQOI2011放棋子(动态规划)
可以看做棋子放在某个位置后该种颜色就占领了那一行一列.行列间彼此没有区别. 于是可以设f[i][j][k]表示前k种棋子占领了i行j列的方案数.转移时枚举第k种棋子占领几行几列.注意行列间是有序的,要 ...
- JavaScript利用递归和循环实现阶乘
[实现方法] 1.利用while循环来做,当然for循环也可以. 2.递归 [代码内容] 偷懒,直接用onkeyup事件来限制来页面的输入 循环代码: //第一种方法 while循环 oCount.o ...