写给系统管理员的Python脚本编程指南

第9章　处理不同类型的文件

本章我们将学习如何处理不同类型的文件，如PDF文件、Excel文件、CSV文件和文本文件，Python包含处理这些文件的模块，其中涉及如何使用Python打开文件、编辑文件以及从这些文件中读取数据。

本章将介绍以下主题。

• 处理PDF文件。
• 处理Excel文件。
• 处理CSV文件。
• 处理文本文件。

9.1　处理PDF文件

本节我们将学习如何使用Python模块处理PDF文件。PDF是一种广泛使用的文档格式，一般具有扩展名.pdf。Python拥有一个名为PyPDF2的模块，它在对PDF文件进行各种操作时很有用，该模块是第三方Python模块。

首先我们需要安装这个模块。在终端中运行以下命令即可安装。

pip3 install PyPDF2

接下来将介绍一些处理PDF文件的方法，如读取PDF文件、获取页数、提取文本和旋转PDF页面。

9.1.1　读取PDF文件并获取页数

本节我们将使用PyPDF2模块读取PDF文件，另外还将获取该PDF文件的页数。该模块的PdfFileReader()函数可以用于读取PDF文件。现在请确保工作目录中有一个PDF文件。在我的系统中，存在一个名为test.pdf的文件，本节将使用此文件。这里只需要使用自己的PDF文件名代替test.pdf即可。

下面我们创建一个脚本，命名为read_pdf.py，并在其中添加以下代码。

import PyPDF2

with open('test.pdf', 'rb') as pdf:
    read_pdf= PyPDF2.PdfFileReader(pdf)
    print("Number of pages in pdf : ", read_pdf.numPages)

运行脚本程序，如下所示。 ...