02｜善用Python扩展库：如何批量合并多个文档？-Python自动化办公实战

当前位置:　首页>> 技术小册>> Python自动化办公实战

02｜善用Python扩展库：如何批量合并多个文档？

在日常办公中，我们经常需要处理大量的文档，如Word文档、Excel表格、PDF文件等。手动合并这些文档不仅效率低下，还容易出错。幸运的是，Python作为一门功能强大的编程语言，通过其丰富的扩展库，能够轻松实现文档的自动化合并。本章节将详细介绍如何使用Python及其扩展库来批量合并不同类型的文档，提高办公效率。

一、准备工作

在开始之前，请确保你的计算机上已安装Python环境，并配置好pip工具以便安装第三方库。我们将主要使用python-docx（针对Word文档）、pandas和openpyxl（针对Excel文档）、以及PyPDF2或PyMuPDF（针对PDF文档）等库来演示文档的合并过程。

pip install python-docx pandas openpyxl PyPDF2 PyMuPDF

二、合并Word文档

Word文档的合并主要依赖于python-docx库。该库允许我们创建、修改和提取Word文档的内容。

示例代码

from docx import Document
def merge_word_docs(files, output_file):
    """
    合并多个Word文档。
    :param files: 要合并的Word文档列表
    :param output_file: 合并后的文档保存路径
    """
    merged_doc = Document()
    for file in files:
        sub_doc = Document(file)
        for element in sub_doc.element.body:
            merged_doc.element.body.append(element.clone())
    merged_doc.save(output_file)
# 使用示例
files = ['doc1.docx', 'doc2.docx', 'doc3.docx']
output_file = 'merged_docs.docx'
merge_word_docs(files, output_file)

注意：python-docx在处理复杂文档结构（如页眉、页脚、样式等）时可能会遇到限制，需要额外处理以保持一致性。

三、合并Excel文档

Excel文档的合并相对复杂，因为可能需要考虑数据的合并方式（如追加行、合并工作表等）。这里我们使用pandas和openpyxl来实现。

示例代码

import pandas as pd
def merge_excel_files(files, output_file, sheet_name='Sheet1'):
    """
    合并多个Excel文件到单个文件的不同工作表中，或合并到同一工作表（需指定合并方式）。
    :param files: 要合并的Excel文件列表
    :param output_file: 合并后的Excel文件保存路径
    :param sheet_name: 如果合并到同一工作表，指定工作表名称
    """
    # 示例：合并到同一工作表
    with pd.ExcelWriter(output_file, engine='openpyxl', mode='w') as writer:
        for file in files:
            df = pd.read_excel(file)
            df.to_excel(writer, sheet_name=sheet_name, index=False, header=not writer.book.sheetnames)
            # 如果不想每个文件都有表头，可以调整header参数
# 使用示例
files = ['excel1.xlsx', 'excel2.xlsx']
output_file = 'merged_excel.xlsx'
merge_excel_files(files, output_file)

四、合并PDF文档

PDF文档的合并可以使用PyPDF2或PyMuPDF（也称为fitz）。这里以PyPDF2为例展示如何合并PDF文件。

示例代码

from PyPDF2 import PdfFileReader, PdfFileWriter
def merge_pdfs(paths, output):
    """
    合并多个PDF文件。
    :param paths: 要合并的PDF文件路径列表
    :param output: 合并后的PDF文件保存路径
    """
    pdf_writer = PdfFileWriter()
    for path in paths:
        pdf_reader = PdfFileReader(path)
        for page_num in range(pdf_reader.numPages):
            page = pdf_reader.getPage(page_num)
            pdf_writer.addPage(page)
    with open(output, 'wb') as out:
        pdf_writer.write(out)
# 使用示例
paths = ['pdf1.pdf', 'pdf2.pdf', 'pdf3.pdf']
output = 'merged_pdfs.pdf'
merge_pdfs(paths, output)