实用又好用，6款Python特殊文本格式处理库推荐

以下是一些 Python 编写的用来解析和操作特殊文本格式的库，希望对大家有所帮助。

01 Tablib

https://www.oschina.net/p/Tablib

Tablib 是一个用来处理与表格格式数据有关的 Python 库，允许导入、导出、管理表格格式数据，并具备包括切片、动态列、标签和过滤，以及格式化导入和导出等高级功能。

Tablib 支持导出/导入的格式包括：Excel 、JSON 、YAML 、HTML 、TSV 和 CSV ，暂不支持 XML 。

>>> data = tablib.Dataset(headers=['First Name', 'Last Name', 'Age'])  




>>> for i in [('Kenneth', 'Reitz', 22), ('Bessie', 'Monke', 21)]:  




...     data.append(i)  




>>> print(data.export('json'))  




[{"Last Name": "Reitz", "First Name": "Kenneth", "Age": 22}, {"Last Name": "Monke", "First Name": "Bessie", "Age": 21}]  




>>> print(data.export('yaml'))  




- {Age: 22, First Name: Kenneth, Last Name: Reitz}  




- {Age: 21, First Name: Bessie, Last Name: Monke}  



>>> data.export('xlsx') 



 <censored binary data>  




>>> data.export('df')  




  First Name Last Name  Age  




0    Kenneth     Reitz   22  



1     Bessie     Monke   21 

02 Openpyxl

https://www.oschina.net/p/openpyxl

Openpyxl 是一个用于读写 Excel 2010 xlsx / xlsm / xltx / xltm 文件的 Python 库。

Openpyxl 为 Python 原生读取/写入 Office Open XML 格式而生，最初是基于 PHPExcel 而开发。

from openpyxl import Workbook  




wb = Workbook()  




# grab the active worksheet  




ws = wb.active  




# Data can be assigned directly to cells  




ws['A1'] = 42  




# Rows can also be appended  




ws.append([1, 2, 3])  




# Python types will automatically be converted  




import datetime  




ws['A2'] = datetime.datetime.now()  




# Save the file  



wb.save("sample.xlsx") 

03 unoconv

https://www.oschina.net/p/unoconv

unoconv，全称为 Universal Office Converter ，是一个命令行工具，可在 LibreOffice/OpenOffice 支持的任意文件格式之间进行转换。

unoconv 支持批量转换文档，还可以结合 asciidoc和 docbook2odf / xhtml2odt 来创建 PDF 或 Word（.doc） 文件。

[dag@moria cv]$ make odt pdf html doc  




rm -f *.{odt,pdf,html,doc}  




asciidoc -b docbook -d article -o resume.xml resume.txt  




docbook2odf -f --params generate.meta=0 -o resume.tmp.odt resume.xml  




Saved resume.tmp.odt  




unoconv -f odt -t template.ott -o resume.odt resume.tmp.odt  




unoconv -f pdf -t template.ott -o resume.pdf resume.odt  




unoconv -f html -t template.ott -o resume.html resume.odt  



unoconv -f doc -t template.ott -o resume.doc resume.odt 

04 PyPDF2

https://www.oschina.net/p/pypdf

PyPDF2 是一个纯 Python PDF 库，能够分割、合并、裁剪和转换 PDF 文件页面。它还可以添加自定义数据、查看选项和密码到 PDF 文件。

PyPDF2 可以从 PDF 中检索文本和元数据，也可以将整个文件合并在一起。

from PyPDF2 import PdfFileWriter, PdfFileReader  




output = PdfFileWriter()  




input1 = PdfFileReader(open("document1.pdf", "rb"))  




# print how many pages input1 has:  




print "document1.pdf has %d pages." % input1.getNumPages()  




# add page 1 from input1 to output document, unchanged  




output.addPage(input1.getPage(0))  




# add page 2 from input1, but rotated clockwise 90 degrees  




output.addPage(input1.getPage(1).rotateClockwise(90))  




# add page 3 from input1, rotated the other way:  




output.addPage(input1.getPage(2).rotateCounterClockwise(90))  




# alt: output.addPage(input1.getPage(2).rotateClockwise(270))  




# add page 4 from input1, but first add a watermark from another PDF:  




page4 = input1.getPage(3)  




watermark = PdfFileReader(open("watermark.pdf", "rb"))  




page4.mergePage(watermark.getPage(0))  




output.addPage(page4)  




# add page 5 from input1, but crop it to half size:  




page5 = input1.getPage(4)  




page5.mediaBox.upperRight = (  




    page5.mediaBox.getUpperRight_x() / 2,  




    page5.mediaBox.getUpperRight_y() / 2  




)  




output.addPage(page5)  




# add some Javascript to launch the print window on opening this PDF.  




# the password dialog may prevent the print dialog from being shown,  




# comment the the encription lines, if that's the case, to try this out  




output.addJS("this.print({bUI:true,bSilent:false,bShrinkToFit:true});")  




# encrypt your new PDF and add a password  




password = "secret"  




output.encrypt(password)  




# finally, write "output" to document-output.pdf  




outputStream = file("PyPDF2-output.pdf", "wb")  



output.write(outputStream) 

05 Mistune

http://mistune.readthedocs.io/

Mistune 是一个纯 Python 实现的 Markdown 解析器，功能齐全，包括表格、注释、代码块等。

Mistune 据称是所有纯 Python markdown 解析器中速度最快的（基准测试结果）。它在设计时考虑了模块化，以提供一个清晰易用的可扩展的 API 。

import mistune  




mistune.markdown('I am using **mistune markdown parser**')  



# output: <p>I am using <strong>mistune markdown parser</strong></p> 

06 csvkit

https://www.oschina.net/p/csvkit