Python处理文档就像玩魔方，掌握技巧就能轻松驾驭。今天带大家认识5个Python库，个个身怀绝技，玩转各种文档格式！

PyPDF2：PDF的驯兽师

PDF文件，江湖人称“格式金刚”，想修改它？难！还好我们有PyPDF2，这位PDF驯兽师，能把PDF文件玩弄于股掌之间，分割、合并、提取文本，都不在话下！

import PyPDF2

# 打开PDF文件，就像打开一扇神秘的大门

pdf_file = open('example.pdf', 'rb')  # rb表示以二进制读取模式打开

pdf_reader = PyPDF2.PdfFileReader(pdf_file)

# 获取第一页内容，看看里面藏着什么秘密

page = pdf_reader.getPage(0)  # 页码从0开始

text = page.extractText()

print(text)

# 关上大门，下次再来

pdf_file.close()

这段代码首先打开了名为example.pdf的PDF文件，然后使用PdfFileReader读取文件内容。getPage(0)获取了第一页的内容，extractText()提取了文本内容并打印出来。最后，记得关闭文件，就像看完书要放回书架一样。

温馨提示：PyPDF2主要用于处理已有的PDF文件，如果要创建新的PDF文件，可以看看reportlab库。

BeautifulSoup：网页信息挖掘机

BeautifulSoup，可不是用来煲汤的！它是一个强大的HTML和XML解析库，像一台挖掘机，能从网页中精准地挖出你想要的信息，比如标签、属性、文本等等。

from bs4 import BeautifulSoup

from urllib.request import urlopen

# 打开网页，就像打开一个宝藏

html = urlopen('http://example.com').read()

# 解析HTML，找出宝藏的秘密地图

soup = BeautifulSoup(html, 'html.parser')

# 找到所有段落，看看里面都写了些什么

paragraphs = soup.find_all('p')

for p in paragraphs:

    print(p.get_text())

这段代码首先使用urlopen打开了一个网页，然后使用BeautifulSoup解析HTML内容。find_all('p')找到了所有<p>标签，也就是段落，然后循环打印每个段落的文本内容。

温馨提示：使用BeautifulSoup时，需要指定合适的解析器，例如'html.parser'。

docx：Word文档的魔法棒

docx库就像一根魔法棒，可以轻松地创建、读取和修改Word文档。想在Word文档里添加标题、段落、表格？挥一挥魔法棒，就能实现！

from docx import Document

# 创建一个新的Word文档，就像变出一张白纸

doc = Document()

# 添加标题，就像写上一个醒目的标题

doc.add_heading('Hello World', 1)  # 1表示一级标题

# 添加段落，就像写上一段精彩的内容

doc.add_paragraph('This is a sample paragraph.')

# 保存文档，就像把作品保存下来

doc.save('example.docx')

这段代码创建了一个新的Word文档，添加了一级标题"Hello World"和一段文字"This is a sample paragraph."，最后保存为example.docx文件。

openpyxl：Excel表格的掌控者

openpyxl库，顾名思义，就是用来处理Excel文件的。它能读取和写入Excel文件，让你对表格数据了如指掌，想怎么操作就怎么操作！

from openpyxl import Workbook

# 创建一个新的Excel工作簿，就像打开一个新的表格

wb = Workbook()

ws = wb.active  # 获取当前活动的工作表

# 添加数据，就像在表格里填入数据

ws['A1'] = 'Hello'

ws['B1'] = 'World'

# 保存工作簿，就像保存表格

wb.save('example.xlsx')

这段代码创建了一个新的Excel工作簿，在单元格A1和B1中分别填入了"Hello"和"World"，最后保存为example.xlsx文件。