### 处理Word文件 - **python-docx**：用于创建、读取和修改Word文档（`.docx` 格式）。可以提取文本内容、设置字体样式、添加段落等。 ```python from docx import Document # 读取文档 doc = Document('example.docx') for para in doc.paragraphs: print(para.text) # 创建新文档 new_doc = Document() new_doc.add_paragraph('This is a new paragraph.') new_doc.save('new_example.docx') ``` ### 处理PDF文件 - **PyPDF2**：可用于读取、分割、合并、旋转和提取PDF文件的文本内容。 ```python import PyPDF2 # 读取PDF文件 with open('example.pdf', 'rb') as file: reader = PyPDF2.PdfReader(file) num_pages = len(reader.pages) for page_num in range(num_pages): page = reader.pages[page_num] text = page.extract_text() print(text) ``` - **MarkItDown**：一个轻量级的Python工具，用于将各种文件转换为Markdown，也可处理PDF文件，侧重于将重要的文档结构和内容保留为Markdown（包括标题、列表、表格、链接等），供LLM和相关文本分析管道使用 [^1]。 ### 处理Excel文件 - **pandas**：功能强大的数据处理库，可用于读取、写入和操作Excel文件。支持 `.xlsx` 和 `.xls` 格式。 ```python import pandas as pd # 读取Excel文件 df = pd.read_excel('example.xlsx') print(df.head()) # 写入Excel文件 df.to_excel('new_example.xlsx', index=False) ``` - **openpyxl**：专门用于处理 `.xlsx` 格式的Excel文件，可进行单元格操作、样式设置等。 ```python from openpyxl import Workbook # 创建新的Excel工作簿 wb = Workbook() ws = wb.active ws['A1'] = 'Hello' ws['B1'] = 'World' wb.save('new_example.xlsx') ``` ### 处理Markdown文件 - **markdown**：用于将Markdown文本转换为HTML格式。 ```python import markdown markdown_text = '# Hello World\nThis is a markdown example.' html = markdown.markdown(markdown_text) print(html) ``` - **MarkItDown**：同样可以处理Markdown文件，进行文件转换等操作，供文本分析工具使用 [^1]。