批次轉換doc到pdf

發表於 分類於 閱讀次數：

🙌前言

  1. 交通部的部頒規範下載下來之後會變成很多細碎的檔案，包含PDF跟DOC，在進行檔案內容搜尋的時候時常需要跨檔案比對，無法在同個檔案中一次到位。

  2. 有些規範有進行修改的內容需要先修改doc後再輸出PDF，乾脆將所有PDF都先進行刪除，後續再針對資料夾批次轉檔成PDF後再做合併。

解決目標:將doc修改完畢後輸出為pdf，丟到pdf_merge中進行合併，這實在是很麻煩。

本篇介紹如何撰寫程式碼來簡化製作公路橋梁設計規範的流程，有興趣請繼續閱讀

檔案來源

  • 原始檔案下載連結 Fig1.規範下載處

  • 原始檔案下載內容 Fig2.規範下載內容-PDF與DOC

  • 預先處理內容 Fig3.預先刪除所有PDF

👉Python的解決方案

預計使用工具為docx2pdf進行轉檔

docx2pdf

使用時所輸出的內容一直出現空白頁，而且可以接受的內容也只有docx 可能是我還沒研究透徹...?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

from docx2pdf import convert
import os

def convert_docx_to_pdf(input_folder, output_folder):
    # 確保輸入文件夾存在
    if not os.path.exists(input_folder):
        print("輸入文件夾不存在！")
        return

    # 確保輸出文件夾存在
    os.makedirs(output_folder, exist_ok=True)

    # 遍歷輸入文件夾中的所有文件
    for filename in os.listdir(input_folder):
        if filename.endswith(".docx") :#or filename.endswith(".doc"):
            print(f"{filename} found")

            input_path = os.path.join(input_folder, filename)
            output_filename = filename.replace(".docx", ".pdf")
            output_path = os.path.join(output_folder, output_filename)
            # 將 Word 文件轉換為 PDF
            
            convert(input_path, output_path)
            print(f"{filename} 轉換完成")

if __name__ == "__main__":
    input_folder = r"D:\GoogleDrive-參考手冊\公路橋梁設計規範"  # 輸入文件夾的路徑
    output_folder = r"D:\Python\pdf_output"  # 輸出文件夾的路徑
    convert_docx_to_pdf(input_folder, output_folder)

後來還是想別的辦法去轉檔。

👍最終選擇

身為忠臣的VBA用戶，如果能夠用VBA處理會是比較得心應手的，突然想起 Excel VBA 本身可以呼叫 Word VBA 執行PDF轉檔。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

'以下內容來自與ChatGPT之間的對話+我自己稍微修改

Sub ConvertDocToPDF()
    Dim WordApp As Object
    Dim WordDoc As Object
    Dim FolderPath As String
    Dim FileName As String
    Dim PDFFileName As String
    
    ' ?置 Word ?用?象
    On Error Resume Next
    Set WordApp = GetObject(, "Word.Application")
    If WordApp Is Nothing Then
        Set WordApp = CreateObject("Word.Application")
    End If
    On Error GoTo 0
    
    ' ?置 Word ?用?不可?
    WordApp.Visible = False
    
    ' ?置文件?路?
    FolderPath = "D:\GoogleDrive-參考手冊\公路橋梁設計規範" ' 更改?你的文件?路?
    
    ' 遍?文件?中的所有 Word 文件
    FileName = Dir(FolderPath & "\*.doc*")
    Do While FileName <> ""
        ' 打? Word 文?
        Set WordDoc = WordApp.Documents.Open(FolderPath & "\" & FileName)
        
        ' 构建 PDF 文件名
        PDFFileName = Replace(FolderPath & "\" & FileName, ".doc", ".pdf")
        
        ' 保存? PDF
        WordDoc.ExportAsFixedFormat OutputFileName:=PDFFileName, ExportFormat:=17 ' 17 表示 PDF 格式
        
        ' ?? Word 文?
        WordDoc.Close False
        
        ' ??下一?文件
        FileName = Dir
    Loop
    
    ' ?? Word ?用
    WordApp.Quit
    
    ' ?放?象
    Set WordDoc = Nothing
    Set WordApp = Nothing
    
    MsgBox "列印完成！"

End Sub

暫時結果

經過轉檔之後，原本是doc或docx的檔案都會依照原本名稱變成pdf的副檔名

下一步就是要進行pdf合併了!!

Fig4.暫時生成結果

列印順序

因為PDF文件的名稱不一定是我所需要的順序

希望能夠依循下列步驟

  1. 列出該檔案夾中的檔案名稱順序成為CSV檔案
  2. 根據我所指定的順序進行選取合併

生成CSV順序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import os
import csv

def list_pdf_files_to_csv(input_folder, output_csv):
    # 打开 CSV 文件以写入模式
    with open(output_csv, "w", newline='', encoding='utf-8-sig') as csv_file:
        # 创建 CSV writer 对象
        csv_writer = csv.writer(csv_file)
        csv_writer.writerow(['順序','檔案名稱','檔案路徑'])
        order=1
        # 遍历输入文件夹中的所有文件
        for filename in os.listdir(input_folder):
            # 检查文件名是否以 ".pdf" 结尾
            if filename.lower().endswith(".pdf"):
                # 将文件信息写入 CSV 文件
                file_path = os.path.join(input_folder, filename)
                csv_writer.writerow([order,filename, file_path])
                # 更新顺序号
                order += 1

if __name__ == "__main__":
    input_folder =r"D:\GoogleDrive-參考手冊\公路橋梁設計規範"  # 输入文件夹的路径
    output_csv = r"D:\Python\pdf_doc\pdf_files.csv"  # 输出 CSV 文件的路径
    list_pdf_files_to_csv(input_folder, output_csv)

生成之後可以藉由Excel的幫助進行順序排序，再另存為csv檔案的格式就可以備用。

根據CSV順序進行合併

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
import os
import csv
from PyPDF2 import PdfMerger

def read_csv_to_pdf_files(csv_file):
    pdf_files = []

    # 打开 CSV 文件并读取内容
    #with open(csv_file, "r", newline='',errors='replace') as file:#有出現問題的話用這行
    with open(csv_file, "r", newline='',encoding='utf-8-sig') as file:#全新虛擬環境用這行
        reader = csv.reader(file)
        next(reader)  # 跳过标题行
        for row in reader:
            order = row[0]#第一列是顺序
            filename = row[1]  # 第二列是文件名
            pdf_path = row[2]  # 第三列是 PDF 文件的绝对路径
            pdf_files.append((order, filename, pdf_path))

    return pdf_files

def merge_pdfs_directly(pdf_files,output_folder):
    # 创建一个 PdfMerger 对象
    merger = PdfMerger()

    # 遍历列表中的每个元素 這個不能亂改會報錯
    for order, filename,pdf_path in pdf_files:
        # 将 PDF 文件添加到合并器中
        merger.append(pdf_path)

    # 确保输出文件夹存在
    os.makedirs(output_folder, exist_ok=True)

    # 将合并后的 PDF 保存到文件
    output_path = os.path.join(output_folder, "merged_pdf.pdf")
    merger.write(output_path)

    # 关闭合并器
    merger.close()

if __name__ == "__main__":

    csv_file = r"D:\Python\pdf_doc\pdf_files.csv"  # CSV 文件的路径
    pdf_files = read_csv_to_pdf_files(csv_file)
    output_folder = r"D:\Python\pdf_doc"  # 输出文件夹的路径
    merge_pdfs_directly(pdf_files,output_folder)


最終成果

藉由vba的轉檔及python的合併處理成的檔案，總共有432頁的PDF 🔗 🔗完整版-公路橋梁設計規範成果下載

👻開發過程的問題

操作CSV的過程曾經出現一些奇怪的問題，記錄一下比較不會忘記

檔案名稱為中文，要收集匯入csv檔案的時會變成亂碼

需要將編碼由utf-8改為utf-8-sig

1
with open(output_csv, "w", newline='', encoding='utf-8-sig') as csv_file:

CSDN參考

要將CSV的內容匯入到python進行後續運用時會出現'UnicodeDecodeError'

將原本的讀取內容中的encoding換成 errors='replace' 即可

1
2
3
4
with open('some.csv', newline='', encoding='utf-8') as f:
  reader = csv.reader(f)
  for row in reader:
    print(row)
1
2
3
4
with open('some.csv', newline='', errors='replace') as f:
   reader = csv.reader(f)
   for row in reader:
    print(row)

Stack overflow參考資料

開啟一個全新的環境，要將CSV的內容匯入到python進行後續運用時會出現

1
FileNotFoundError: [Errno 2] No such file or directory: 'D:\\GoogleDrive-������������\\��祈楝璈�璇�閮剛��閬� 蝭�\\蝚砌��蝡� 蝮賢��1090103.pdf

原本第二點可以解決編譯問題的程式碼調整 errors='replace' 已經無法作用，我把encoding='utf-8-sig'重新加上去，然後就好了(?)

猜測是新的環境中還沒有預設的encoding，所以中文還沒有辦法被知道要怎麼編譯。

1
2
3
4
with open('some.csv', newline='', encoding='utf-8-sig') as f:
  reader = csv.reader(f)
  for row in reader:
    print(row)