こんにちは皆さん、今日は Python を使って world 文書を PDF 形式に一括変換する方法を紹介します。
それでは、早速始めましょう！
pypdf2 は、PDF ファイルを読み書きおよび操作するための Python モジュールです。pypdf2 モジュールをインストールするには、以下の手順に従ってください。
Python がインストールされていることを確認してください。ターミナルまたはコマンドプロンプトで python --version と入力して、Python がインストールされているか確認できます。
pypdf2 モジュールのインストール：
ModuleNotFoundError: No module named ‘PyPDF2’
インストールが完了したら、Python で pypdf2 モジュールを使用して PDF ファイルを読み書きおよび操作できます。
例えば、PDF ファイルのテキスト内容を読み取るには、Python スクリプトで pypdf2 モジュールをインポートし、PdfFileReader クラスを使用してファイルを読み込み、各ページをループ処理します。以下は簡単なサンプルコードです：
import pypdf2
pdf_file = pypdf2.PdfFileReader('example.pdf')
for page_num in range(pdf_file.getNumPages()):
page = pdf_file.getPage(page_num)
print(page.extractText())
これにより、PDF ファイルの各ページのテキスト内容が印刷されます。
注意：
PyPDF2 のバージョン更新により、一部のクラスや関数が非推奨となっています。代替関数を使用することをお勧めします。例えば、pdf ページ数を取得する getNumPages を len (reader.pages) に置き換えます。
以下は 2 つのエラーメッセージのヒントです。関数を置き換えるだけで大丈夫です。
PyPDF2.errors.DeprecationError: PdfFileReader is deprecated and was removed in PyPDF2 3.0.0. Use PdfReader instead.
PyPDF2.errors.DeprecationError: reader.getNumPages is deprecated and was removed in PyPDF2 3.0.0. Use len(reader.pages) instead.
Python コードを利用して word 文書を PDF 形式に一括変換し、変換された文書のページ数をカウントします。以下は（コードの例）です。
# -*- coding:utf-8 -*-
import os # システム機能モジュールをインポート
from win32com.client import Dispatch, DispatchEx # pywin32モジュールのclientパッケージから関数をインポート
from win32com.client import constants # pywin32モジュールのclientパッケージからCOM定数を保存するクラスをインポート
from win32com.client import gencache # pywin32モジュールのclientパッケージからgencache関数をインポート
from PyPDF2 import PdfReader # ページ数を取得するため
import re # 正規表現モジュールをインポート
import pythoncom # OLE自動化APIをカプセル化したモジュールで、pywin32のサブモジュールです
'''指定されたディレクトリ内のファイルを取得
filepath：探索するディレクトリ
filelist_out：出力ファイルリスト
file_ext：ファイルの拡張子、デフォルトはすべてのタイプのファイル
'''
def getfilenames(filepath='',filelist_out=[],file_ext='all'):
# filepath内のすべてのファイルを探索し、サブディレクトリ内のファイルも含む
for fpath, dirs, fs in os.walk(filepath):
for f in fs:
fi_d = os.path.join(fpath, f)
if file_ext == '.doc': # Word文書ファイルを探索
if os.path.splitext(fi_d)[1] in ['.doc','.docx']: # Wordファイルかどうかを判断
filelist_out.append(re.sub(r'\\','/',fi_d)) # パスリストに追加
else:
if file_ext == 'all': # すべてのファイルを取得する場合
filelist_out.append(fi_d) # ファイルパスをリストに追加
elif os.path.splitext(fi_d)[1] == file_ext: # Wordファイル以外のファイルを取得する場合
filelist_out.append(fi_d) # ファイルパスをリストに追加
else:
pass
filelist_out.sort() # パスをソート
return filelist_out # 完全なファイルパスリストを返す
# WordをPDFに変換（複数ファイル）
def wordtopdf(filelist,targetpath):
totalPages = 0 # 総ページ数を記録
valueList = []
try:
pythoncom.CoInitialize() # COMライブラリを初期化し、Word 2007を呼び出す際の「CoInitializeが呼び出されていない」エラーを解決
gencache.EnsureModule('{00020905-0000-0000-C000-000000000046}', 0, 8, 4)
# 変換を開始
w = Dispatch("Word.Application")
for fullfilename in filelist:
(filepath,filename) = os.path.split(fullfilename) # ファイルパスとファイル名を分割
softfilename = os.path.splitext(filename) # ファイル名と拡張子を分割
os.chdir(filepath)
doc = os.path.abspath(filename)
os.chdir(targetpath)
pdfname = softfilename[0] + ".pdf"
output = os.path.abspath(pdfname)
pdf_name = output
# 文書パスは絶対パスである必要があります。Wordを起動すると、現在のパスはスクリプトを呼び出したときの現在のパスではありません。
try: # 例外をキャッチ
doc = w.Documents.Open(doc, ReadOnly=1)
doc.ExportAsFixedFormat(output, constants.wdExportFormatPDF, \
Item=constants.wdExportDocumentWithMarkup,
CreateBookmarks=constants.wdExportCreateHeadingBookmarks)
except Exception as e: # 例外を処理
print(e)
if os.path.isfile(pdf_name): # ファイルが存在するか判断
# ページ数を取得
pages = getPdfPageNum(pdf_name) # ページ数を取得
valueList.append([fullfilename,str(pages)])
totalPages += pages # ページ数を累積
# os.remove(pdf_name) # 生成されたPDFファイルを削除
else:
print('変換に失敗しました！')
return False
w.Quit(constants.wdDoNotSaveChanges) # Wordアプリケーションを終了
return totalPages,valueList # 総ページ数と各文書のページ数を返す
except TypeError as e:
print('エラーが発生しました！')
print(e)
return False
'''
機能：文書のページ数を統計
path：ファイルの絶対パス
'''
def getPdfPageNum(path):
with open(path, "rb") as file:
doc = PdfReader(file)
pagecount = len(doc.pages)
return pagecount
if __name__ == '__main__':
sourcepath = r"C:/Users/Lenovo/Desktop/pythonコード示例/word/" # ソースパスを指定（Word文書のパス）
targetpath = r"C:/Users/Lenovo/Desktop/pythonコード示例/pdf/" # ターゲットパスを指定（PDF保存パス）
filelist = getfilenames(sourcepath,[],'.doc') # Word文書のパスを取得
valueList = wordtopdf(filelist,targetpath) # Word文書を一括でPDFに変換
resultList = valueList[1] # 統計結果を取得
if valueList:
for i in resultList:
print(i[0],i[1])
totalPages = str(valueList[0]) # 総ページ数
print("合計ページ数：",totalPages)
else:
print("統計するファイルがないか、統計に失敗しました！")