本文目录导读：
- Python + python-docx（处理Word文档）
- Python + pandas（处理Excel/CSV）
- Python + pdfplumber（处理PDF）
- 批量转换脚本（多种格式）
- 命令行工具（使用LibreOffice）
- 使用pandoc（通用文档转换）
- 简单Shell脚本
- 使用建议
我来介绍几种常用的文档格式转换脚本方法,根据你的具体需求选择：
Python + python-docx（处理Word文档）
# 安装：pip install python-docx
from docx import Document
# Word转文本
def docx_to_txt(input_file, output_file):
doc = Document(input_file)
text = '\n'.join([paragraph.text for paragraph in doc.paragraphs])
with open(output_file, 'w', encoding='utf-8') as f:
f.write(text)
print(f"转换完成: {output_file}")
# 创建Word文档
def txt_to_docx(input_file, output_file):
doc = Document()
with open(input_file, 'r', encoding='utf-8') as f:
for line in f:
doc.add_paragraph(line.strip())
doc.save(output_file)
print(f"转换完成: {output_file}")
Python + pandas（处理Excel/CSV）
# 安装：pip install pandas
import pandas as pd
# Excel转CSV
def excel_to_csv(input_file, output_file, sheet_name=0):
df = pd.read_excel(input_file, sheet_name=sheet_name)
df.to_csv(output_file, index=False, encoding='utf-8-sig')
print(f"转换完成: {output_file}")
# CSV转Excel
def csv_to_excel(input_file, output_file):
df = pd.read_csv(input_file, encoding='utf-8')
df.to_excel(output_file, index=False)
print(f"转换完成: {output_file}")
# 多Sheet合并
def merge_excel_sheets(input_file, output_file):
all_data = pd.read_excel(input_file, sheet_name=None)
merged = pd.concat(all_data.values(), ignore_index=True)
merged.to_excel(output_file, index=False)
Python + pdfplumber（处理PDF）
# 安装：pip install pdfplumber
import pdfplumber
# PDF转文本
def pdf_to_txt(input_file, output_file):
with pdfplumber.open(input_file) as pdf:
text = ''
for page in pdf.pages:
text += page.extract_text() + '\n'
with open(output_file, 'w', encoding='utf-8') as f:
f.write(text)
print(f"转换完成: {output_file}")
批量转换脚本（多种格式）
import os
import shutil
from pathlib import Path
class DocumentConverter:
def __init__(self):
self.conversion_map = {
'.docx': self.docx_to_txt,
'.txt': self.txt_to_docx,
'.xlsx': self.excel_to_csv,
'.csv': self.csv_to_excel,
}
def convert_file(self, input_path, target_format):
# 检查文件是否存在
if not Path(input_path).exists():
raise FileNotFoundError(f"文件不存在: {input_path}")
# 获取文件信息
input_path = Path(input_path)
output_path = input_path.with_suffix(target_format)
# 根据扩展名选择转换方法
if input_path.suffix.lower() in ['.docx', '.doc']:
self.docx_to_txt(input_path, output_path)
elif input_path.suffix.lower() in ['.xlsx', '.xls']:
self.excel_to_csv(input_path, output_path)
elif input_path.suffix.lower() in ['.pdf']:
self.pdf_to_txt(input_path, output_path)
return output_path
def batch_convert(self, directory, target_format, recursive=False):
# 批量转换目录下的所有文件
results = []
pattern = '*.*' if recursive else '*'
for file_path in Path(directory).glob(pattern):
if file_path.is_file():
try:
output = self.convert_file(file_path, target_format)
results.append(output)
except Exception as e:
print(f"转换失败 {file_path}: {e}")
return results
# 使用示例
converter = DocumentConverter()
# 转换单个文件
converter.convert_file('example.docx', '.txt')
# 批量转换目录
converter.batch_convert('./documents', '.txt', recursive=True)
命令行工具（使用LibreOffice）
# 批量转换Word/Excel/PPT为PDF soffice --headless --convert-to pdf *.docx *.xlsx *.pptx --outdir output_directory/ # 转换HTML为PDF soffice --headless --convert-to pdf file.html --outdir output_directory/
使用pandoc（通用文档转换）
# 安装：pip install pypandoc
import pypandoc
# 各种格式转换
def convert_with_pandoc(input_file, output_file, format_type=None):
# 支持格式: markdown, html, docx, pdf, rst, latex等
output = pypandoc.convert_file(input_file, 'docx', outputfile=output_file)
print(f"转换完成: {output_file}")
# 批量转换
def batch_convert_markdown(directory):
for md_file in Path(directory).glob('*.md'):
convert_with_pandoc(str(md_file), str(md_file.with_suffix('.docx')))
简单Shell脚本
#!/bin/bash
# convert_formats.sh
# 将文件名编码转换
iconv -f GBK -t UTF-8 input.txt > output.txt
# 批量重命名文件扩展名
for file in *.txt; do
mv "$file" "${file%.txt}.md"
done
# 批量转换编码
for file in *.txt; do
iconv -f GBK -t UTF-8 "$file" > "${file%.txt}_utf8.txt"
done
使用建议
-
根据文件类型选择：
- Word文档 → python-docx
- Excel表格 → pandas
- PDF → pdfplumber/PyPDF2
- 通用格式 → pandoc
-
批量处理建议：
- 使用路径通配符进行批量处理
- 添加错误处理和日志记录
- 合理使用并行处理提高效率
-
保持原格式：
- 简单文本转换用txt格式
- 复杂样式用pdf或docx格式
- 数据表格用csv/excel格式
需要我针对特定格式转换写更详细的脚本吗？
