Python批量处理Office文件需选对库：Excel用openpyxl（样式/公式）和pandas（清洗/统计）；Word用python-docx（模板替换/动态表格）；PDF用PyPDF2（合并/拆分）和pdfplumber（文字/表格提取），三者均遵循“模板→读取→变换→输出”流程。
用Python批量处理Excel、Word和PDF，核心是选对库、理清流程、避开常见坑。不需要写复杂代码，掌握几个关键操作就能替代大量重复手工工作。
Excel批量处理：用openpyxl和pandas最实用
openpyxl适合精确控制单元格样式、公式、多表操作；pandas更擅长数据清洗、合并、统计分析。日常办公中，两者配合效果最好。
- 读取多个Excel文件并合并：用pandas.concat([pd.read_excel(f) for f in file_list])，自动对齐列名
- 按条件筛选后另存为新表：比如df[df['销售额'] > 10000].to_excel('达标名单.xlsx', index=False)
- 给指定列加背景色或边框：用openpyxl加载工作簿→定位sheet→设置cell.fill / cell.border
- 注意：openpyxl不能读取xls旧格式；含公式时需用data_only=True获取计算结果而非公式文本
Word批量生成：python-docx搞定报告与合同
不是所有Word都能靠“替换文字”完成，结构化文档（如带标题、列表、表格的报告）用python-docx更稳。
夸克扫描王 - 转Office Alibaba-Quark-Transoffice
下载
由夸克扫描王提供的文件格式转换工具。当用户需要将图片、截图或扫描件转换为 Office 文档（Word/Excel）或 PDF 时，使用此技能。适用于包含复杂表格、合同或图文混排内容的图片或扫描件，可尽量还原原始版式并生成可编辑文档。即使用户未明确提到格式转换，只要用户的需求涉及将图片内容转换为可编辑文档（如 .docx、.xlsx 或 .pdf），也应触发此技能。请勿用于提取纯文本或识别文字内容、图像增强处理或从零创建文档
- 模板法最高效：先手动做好一个标准Word，留好占位符（如{{客户名}}、{{日期}}），再用docx.replace_text()批量替换
- 动态插入表格：用doc.add_table(rows=1, cols=3)创建，再遍历填充数据，避免复制粘贴错行
- 插入分页符或章节标题：用doc.add_page_break()或doc.add_heading('第二部分', level=2)
- 注意：图片插入需提供绝对路径；中文显示异常时，在paragraph.runs[0].font.name = '微软雅黑'后加run._element.rPr.rFonts.set(qn('w:eastAsia'), '微软雅黑')
PDF批量操作：PyPDF2 + pdfplumber分工明确
PyPDF2负责合并、拆分、加水印等“外壳操作”；pdfplumber专攻文字提取、表格识别等“内容解析”。
立即学习“Python免费学习笔记（深入）”；
- 合并多个PDF：用PdfWriter()逐个add_page()，最后write()保存
- 从PDF提取表格：pdfplumber.open() → page.extract_tables()，返回嵌套列表，可直接转pandas DataFrame
- 批量加页眉页脚：PyPDF2不支持直接编辑内容，可用reportlab生成水印PDF，再用PyPDF2叠加
- 注意：扫描版PDF需先OCR（如用pytesseract），pdfplumber对扫描件无效；加密PDF要先用decrypt('密码')
三类文件处理逻辑其实一致：找模板→读数据→做变换→写结果。不必追求一步到位，先跑通一个Excel合并，再加Word生成，最后接PDF输出，小步快跑最稳妥。
