在日常工作中，我们经常要做重复的办公任务：批量处理几十份Excel表格、批量生成合同、从PDF中提取数据……这些工作耗时且容易出错。而Python能帮我们实现“自动化办公”——用代码批量处理Excel、Word和PDF，把1小时的工作缩短到1分钟。这篇我们就聚焦三个核心场景：批量处理Excel数据、自动生成Word文档、提取PDF内容并汇总，每个场景都提供可直接复用的代码，让你快速上手提升工作效率。

一、准备工作：安装办公自动化库

需要安装3类处理不同文件的库（打开终端/命令提示符执行）：

# 处理Excel（pandas/openpyxl：读写.xlsx文件）
# 处理Word（python-docx：读写.docx文件）
# 处理PDF（PyPDF2：合并/分割PDF；pdfplumber：提取PDF文本和表格）
pip install pandas openpyxl python-docx PyPDF2 pdfplumber

二、场景1：批量处理Excel数据（最常用！）

Excel是办公高频工具，我们以“批量计算销售业绩+标记达标人员”为例，学习用pandas（数据处理）和openpyxl（写入Excel）处理表格。

需求说明

假设有“销售数据.xlsx”，包含3列：姓名、销售额、目标额，需要：

1. 计算每个人的完成率（销售额/目标额）；
2. 标记完成率≥100%的人员为“达标”，否则为“未达标”；
3. 按完成率从高到低排序；
4. 保存到新文件“销售业绩分析.xlsx”。

示例数据（销售数据.xlsx）

姓名	销售额（元）	目标额（元）
张三	12000	10000
李四	8000	10000
王五	15000	12000
赵六	9500	9000

代码实现

import pandas as pd
import logging
from openpyxl.styles import Font, Alignment  # 用于设置Excel单元格样式

# 配置日志
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s"
)

def process_sales_data(input_file, output_file):
    """
    批量处理销售数据Excel，计算完成率并标记达标情况
    参数：
        input_file：输入Excel文件路径（如"销售数据.xlsx"）
        output_file：输出Excel文件路径（如"销售业绩分析.xlsx"）
    返回：处理成功返回True，失败返回False
    """
    try:
        logging.info(f"开始处理Excel文件：{input_file}")
        
        # 1. 读取Excel数据（pandas的read_excel支持.xlsx格式）
        # sheet_name：指定工作表名称（默认第一个）；header=0：第一行为表头
        df = pd.read_excel(input_file, sheet_name="Sheet1", header=0)
        
        # 检查必要的列是否存在
        required_columns = ["姓名", "销售额（元）", "目标额（元）"]
        if not all(col in df.columns for col in required_columns):
            logging.error(f"Excel文件缺少必要的列，需要：{required_columns}")
            print(f"❌ 错误：Excel文件必须包含列：{required_columns}")
            return False
        
        # 2. 批量计算完成率（销售额/目标额，保留2位小数）
        # 避免除以0错误：若目标额为0，完成率设为0
        df["完成率（%）"] = df.apply(
            lambda row: round(row["销售额（元）"] / row["目标额（元）"] * 100, 2) 
            if row["目标额（元）"] != 0 else 0,
            axis=1  # axis=1表示按行处理
        )
        
        # 3. 标记达标情况（完成率≥100%为达标）
        df["达标情况"] = df["完成率（%）"].apply(lambda x: "达标" if x >= 100 else "未达标")
        
        # 4. 按完成率从高到低排序（降序）
        df = df.sort_values(by="完成率（%）", ascending=False).reset_index(drop=True)
        
        # 5. 保存到新Excel（用openpyxl引擎支持后续样式设置）
        with pd.ExcelWriter(output_file, engine="openpyxl") as writer:
            df.to_excel(writer, sheet_name="业绩分析", index=False)  # index=False：不保存行索引
            
            # 6. 美化表格（设置表头样式：加粗、居中）
            worksheet = writer.sheets["业绩分析"]  # 获取工作表对象
            header_font = Font(bold=True, color="000000")  # 表头字体：加粗、黑色
            header_alignment = Alignment(horizontal="center", vertical="center")  # 居中对齐
            
            # 遍历表头单元格（第一行），应用样式
            for cell in worksheet[1]:  # worksheet[1]表示第一行（Excel行号从1开始）
                cell.font = header_font
                cell.alignment = header_alignment
            
            # 调整列宽（根据内容自动调整）
            for column in worksheet.columns:
                max_length = 0
                column_letter = column[0].column_letter  # 获取列字母（如A、B）
                for cell in column:
                    try:
                        if len(str(cell.value)) > max_length:
                            max_length = len(cell.value)
                    except:
                        pass
                adjusted_width = (max_length + 2) * 1.2  # 适当加宽
                worksheet.column_dimensions[column_letter].width = adjusted_width
        
        logging.info(f"Excel处理完成，已保存到：{output_file}")
        print(f"\n✅ 处理成功！生成文件：{output_file}")
        print(f"  共处理{len(df)}条数据，达标{len(df[df['达标情况']=='达标'])}人，未达标{len(df[df['达标情况']=='未达标'])}人")
        return True
    
    except FileNotFoundError:
        logging.error(f"输入文件不存在：{input_file}")
        print(f"❌ 错误：文件{input_file}不存在，请检查路径！")
        return False
    
    except Exception as e:
        logging.error(f"Excel处理错误：{e}", exc_info=True)
        print(f"❌ 处理失败：{e}，请查看日志获取详情")
        return False

# 执行处理（替换为你的文件路径）
if __name__ == "__main__":
    process_sales_data(
        input_file="销售数据.xlsx",
        output_file="销售业绩分析.xlsx"
    )

运行效果

生成的“销售业绩分析.xlsx”会新增“完成率（%）”和“达标情况”列，表头加粗居中，列宽自动适配内容，无需手动调整格式。

三、场景2：自动生成Word文档（批量出合同/报告）

很多工作需要生成大量格式相同、内容略有差异的Word文档（如合同、通知书）。我们以“批量生成员工工资条”为例，用python-docx实现：先制作模板，再替换模板中的占位符，生成个性化文档。

步骤1：制作Word模板（工资条模板.docx）

新建一个Word文档，用{{占位符}}标记需要替换的内容，例如：

工资条

姓名：{{姓名}}
部门：{{部门}}
职位：{{职位}}
基本工资：{{基本工资}}元
绩效工资：{{绩效工资}}元
应发合计：{{应发合计}}元
发放日期：{{发放日期}}

—— 人力资源部 ——

保存为“工资条模板.docx”，放在项目文件夹中。

步骤2：准备数据（员工信息.xlsx）

用Excel存储需要替换的内容，格式如下：

姓名	部门	职位	基本工资	绩效工资
张三	技术部	开发工程师	8000	2000
李四	市场部	专员	6000	1500
王五	财务部	会计	7000	1000

步骤3：代码实现（批量生成工资条）

import docx
from docx.shared import Pt, RGBColor  # 用于设置字体样式
from docx.enum.text import WD_ALIGN_PARAGRAPH  # 用于设置段落对齐
import pandas as pd
import os
from datetime import datetime

def generate_word_from_template(template_path, data, output_dir="工资条"):
    """
    根据Word模板和数据，批量生成个性化Word文档
    参数：
        template_path：模板文件路径（如"工资条模板.docx"）
        data：包含替换数据的列表（每个元素为字典，键是占位符，值是替换内容）
        output_dir：生成文件的保存目录（默认"工资条"）
    """
    try:
        # 创建输出目录（若不存在）
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)
            logging.info(f"创建输出目录：{output_dir}")
        
        # 获取当前日期（作为发放日期）
        pay_date = datetime.now().strftime("%Y年%m月%d日")
        
        # 循环处理每条数据，生成对应的Word文档
        for idx, item in enumerate(data, 1):
            # 1. 打开模板文件
            doc = docx.Document(template_path)
            
            # 2. 替换所有占位符（遍历文档中的所有段落和表格）
            # 2.1 处理段落中的占位符
            for para in doc.paragraphs:
                for run in para.runs:  # run是段落中的文本片段
                    # 遍历所有需要替换的占位符
                    for key, value in item.items():
                        placeholder = f"{{{{{key}}}}}"  # 构建占位符（如{{姓名}}）
                        if placeholder in run.text:
                            # 替换文本
                            run.text = run.text.replace(placeholder, str(value))
                            # 设置字体样式（可选：统一字体为微软雅黑，大小10.5pt）
                            run.font.name = "微软雅黑"
                            run.font.size = Pt(10.5)
            
            # 2.2 处理表格中的占位符（如果模板有表格）
            for table in doc.tables:
                for row in table.rows:
                    for cell in row.cells:
                        for para in cell.paragraphs:
                            for run in para.runs:
                                for key, value in item.items():
                                    placeholder = f"{{{{{key}}}}}"
                                    if placeholder in run.text:
                                        run.text = run.text.replace(placeholder, str(value))
                                        run.font.name = "微软雅黑"
                                        run.font.size = Pt(10.5)
            
            # 3. 替换发放日期（单独处理，所有文档日期相同）
            for para in doc.paragraphs:
                for run in para.runs:
                    if "{{发放日期}}" in run.text:
                        run.text = run.text.replace("{{发放日期}}", pay_date)
                        run.font.name = "微软雅黑"
            
            # 4. 计算应发合计（基本工资+绩效工资）
            for para in doc.paragraphs:
                for run in para.runs:
                    if "{{应发合计}}" in run.text:
                        total = item["基本工资"] + item["绩效工资"]
                        run.text = run.text.replace("{{应发合计}}", str(total))
                        run.font.name = "微软雅黑"
                        run.font.bold = True  # 应发合计加粗
                        run.font.color.rgb = RGBColor(192, 0, 0)  # 红色
            
            # 5. 设置标题居中（第一个段落是标题“工资条”）
            doc.paragraphs[0].alignment = WD_ALIGN_PARAGRAPH.CENTER
            doc.paragraphs[0].runs[0].font.size = Pt(14)  # 标题字号加大
            doc.paragraphs[0].runs[0].font.bold = True  # 标题加粗
            
            # 6. 保存生成的文档（文件名：姓名_工资条.docx）
            output_filename = f"{item['姓名']}_工资条.docx"
            output_path = os.path.join(output_dir, output_filename)
            doc.save(output_path)
            logging.info(f"生成第{idx}个文档：{output_path}")
        
        print(f"\n✅ 批量生成完成！共生成{len(data)}个Word文档")
        print(f"  保存路径：{os.path.abspath(output_dir)}")
        return True
    
    except FileNotFoundError:
        logging.error(f"模板文件不存在：{template_path}")
        print(f"❌ 错误：模板文件{template_path}不存在！")
        return False
    
    except Exception as e:
        logging.error(f"生成Word文档错误：{e}", exc_info=True)
        print(f"❌ 生成失败：{e}")
        return False

# 完整流程：读取Excel数据→生成工资条
if __name__ == "__main__":
    # 1. 读取员工数据Excel
    excel_path = "员工信息.xlsx"
    try:
        df = pd.read_excel(excel_path)
        # 转换为字典列表（每个字典对应一条员工信息）
        employee_data = df.to_dict("records")
        logging.info(f"成功读取{len(employee_data)}条员工数据")
    except Exception as e:
        logging.error(f"读取员工数据失败：{e}")
        print(f"❌ 读取员工数据失败：{e}")
        exit(1)
    
    # 2. 批量生成工资条
    generate_word_from_template(
        template_path="工资条模板.docx",
        data=employee_data,
        output_dir="2024年6月工资条"
    )

运行效果

在“2024年6月工资条”文件夹中，会生成每个人的工资条文档，格式统一，姓名、部门等信息自动替换，应发合计自动计算并标红加粗，无需手动修改。

四、场景3：提取PDF内容（文字+表格）并汇总到Excel

PDF是办公中常用的格式，但直接编辑困难。我们以“提取多份PDF简历中的姓名、电话、工作经历”为例，用pdfplumber提取内容，再用pandas汇总到Excel。

代码实现（PDF内容提取）

import pdfplumber
import pandas as pd
import os
import re  # 用于正则表达式匹配（提取电话等）

def extract_pdf_info(pdf_path):
    """
    从单份PDF简历中提取关键信息
    参数：pdf_path - PDF文件路径
    返回：包含关键信息的字典
    """
    info = {
        "文件名": os.path.basename(pdf_path),
        "姓名": "未找到",
        "电话": "未找到",
        "工作经历": "未找到"
    }
    
    try:
        with pdfplumber.open(pdf_path) as pdf:
            # 1. 提取所有页的文本（合并为一个字符串）
            full_text = ""
            for page in pdf.pages:
                page_text = page.extract_text()  # 提取单页文本
                if page_text:
                    full_text += page_text + "\n"  # 页间加换行
            
            # 2. 提取姓名（假设姓名在"个人简历"或"简历"附近，且是2-4个汉字）
            name_pattern = re.compile(r"[简历|个人简历]\s*([\u4e00-\u9fa5]{2,4})")
            name_match = name_pattern.search(full_text)
            if name_match:
                info["姓名"] = name_match.group(1).strip()
            
            # 3. 提取电话（11位手机号）
            phone_pattern = re.compile(r"1[3-9]\d{9}")
            phone_match = phone_pattern.search(full_text)
            if phone_match:
                info["电话"] = phone_match.group()
            
            # 4. 提取工作经历（包含"工作经历"或"工作经验"后的内容，取前500字）
            experience_pattern = re.compile(r"(工作经历|工作经验)\s*(.*?)(教育背景|项目经验|技能证书)", re.DOTALL)
            experience_match = experience_pattern.search(full_text)
            if experience_match:
                experience = experience_match.group(2).strip()
                info["工作经历"] = experience[:500]  # 限制长度，避免内容过长
            
            logging.info(f"成功提取PDF信息：{info['文件名']}（姓名：{info['姓名']}）")
            return info
    
    except Exception as e:
        logging.error(f"提取PDF {pdf_path} 失败：{e}")
        print(f"⚠️  提取{os.path.basename(pdf_path)}失败：{e}")
        return info

def batch_extract_pdfs(pdf_dir, output_excel="简历信息汇总.xlsx"):
    """
    批量提取指定目录下所有PDF的信息，汇总到Excel
    参数：
        pdf_dir：存放PDF的目录
        output_excel：汇总结果的Excel路径
    """
    # 1. 获取目录下所有PDF文件
    pdf_files = []
    for filename in os.listdir(pdf_dir):
        if filename.lower().endswith(".pdf"):
            pdf_path = os.path.join(pdf_dir, filename)
            pdf_files.append(pdf_path)
    
    if not pdf_files:
        logging.warning(f"目录{pdf_dir}下未找到PDF文件")
        print(f"⚠️  未在{pdf_dir}找到任何PDF文件！")
        return False
    
    logging.info(f"发现{len(pdf_files)}个PDF文件，开始批量提取")
    
    # 2. 批量提取每个PDF的信息
    all_info = []
    for pdf_path in pdf_files:
        info = extract_pdf_info(pdf_path)
        all_info.append(info)
    
    # 3. 保存到Excel
    df = pd.DataFrame(all_info)
    df.to_excel(output_excel, index=False, engine="openpyxl")
    logging.info(f"PDF信息汇总完成，保存到：{output_excel}")
    print(f"\n✅ 批量提取完成！共处理{len(pdf_files)}个PDF")
    print(f"  汇总结果：{output_excel}")
    return True

# 执行批量提取（替换为你的PDF目录）
if __name__ == "__main__":
    batch_extract_pdfs(
        pdf_dir="简历文件夹",  # 存放PDF简历的文件夹
        output_excel="简历信息汇总.xlsx"
    )

运行效果

程序会扫描“简历文件夹”中的所有PDF，提取姓名、电话、工作经历，汇总到“简历信息汇总.xlsx”，无需逐个打开PDF复制粘贴，尤其适合处理几十上百份简历的场景。

五、自动化办公实用技巧

1. 文件路径处理：用os.path模块处理路径（如os.path.join拼接路径、os.path.exists检查文件是否存在），避免因Windows/Linux路径格式差异导致错误。
2. 异常处理：办公文件常出现格式错误（如损坏的Excel、加密的PDF），务必用try-except捕获异常，避免程序崩溃。
3. 批量操作逻辑：批量处理的核心是“循环+函数”——用函数封装单个文件的处理逻辑，用循环遍历所有文件，代码更清晰。
4. 格式简化：复杂的Excel/Word格式（如宏、复杂图表）可能导致处理失败，尽量用简单格式（纯文本、基础表格）。

总结

这篇我们掌握了办公自动化的核心技能，覆盖Excel、Word、PDF三大场景：

1. Excel处理：用pandas批量计算、筛选、排序数据，openpyxl美化格式；
2. Word生成：通过“模板+占位符”模式，用python-docx批量生成个性化文档；
3. PDF提取：用pdfplumber提取文本和表格，正则表达式匹配关键信息。

这些技能能直接应用于实际工作，解决“重复劳动”痛点。下一篇我们将学习“Python小工具开发”，把这些功能打包成可双击运行的程序，甚至分享给不懂代码的同事使用！