Python异步编程｜PySimpleGUI界面读取PDF转换Excel

目录

实例要求

原始pdf文件格式

输出xls文件格式

运行界面

完整代码

代码分析

遍历表格

布局界面

控件简介

写入表格

表格排序

事件循环

异步编程

---

实例要求

使用PySimpleGUI做一个把单位考勤系统导出的pdf文件合并输出Excel的应用，故事出自：

https://hannyang.blog.csdn.net/article/details/135395946

当时时间紧，没有好好做界面且输出csv文件了事。今天趁周六休息，把代码做一下升级处理，使用库PySimpleGUI做了一个稍微漂亮一点的界面；又用pdfplumber直接遍历多个pdf文件，得到数据后输出Excel文件，比我原本先做合并pdf文件再去取数要快，原先的pdf文件合并操作纯粹有点多余。最后，又尝试对pdf文件读取函数的改造，使用了asyncio异步编程效果非常不错。

下面请听我慢慢道来：

原始pdf文件格式

输出xls文件格式

运行界面

完整代码

import xlwt, pyperclip, asyncio, pdfplumber
import os, time, datetime as dt
import PySimpleGUI as sg
# 全局变量
table_head = '姓名,部门,应到,实到,出勤率,迟到次数,早退次数,加班(分钟)'
path, font = '', ('宋体',12)
date, data = [], []
DateFormat = '    .  . -    .  .  '
ErrMessage = '错误'
SortedType = ["出勤率排序","加班时长排序","迟到次数排序","早退次数排序"]
# 定义布局
layout = [
    [sg.Text("昆山分行考勤表",font=('',16)),
     sg.Text(pad=(132,10)),
     sg.Text("请选择考勤文件:",font=font),
     sg.Input(key="-FOLDER-", enable_events=True, readonly=True,font=font,size=18),
     sg.FolderBrowse(button_text='...', enable_events=True, initial_folder='./')
     ],
    [sg.Text("考勤日期：",font=font),
     sg.Text(DateFormat,key='-DATE-',font=font)
     ],
    [sg.Table(values='',
              headings=table_head.split(','),
              key='-TABLE-',
              auto_size_columns=False,
              justification='left',
              num_rows=10)],
    [sg.Button("输出Excel文件",size=(12,1),pad=(15,30)),
     sg.Button(SortedType[0], enable_events=True,size=(10,1),pad=(15,30)),
     sg.Button(SortedType[1], enable_events=True,size=(10,1),pad=(15,30)),
     sg.Button(SortedType[2], enable_events=True,size=(10,1),pad=(15,30)),
     sg.Button(SortedType[3], enable_events=True,size=(10,1),pad=(15,30)),
     sg.Button("退出",size=(10,1),pad=(15,30))],
    [sg.StatusBar('',key="-BAR-",font=font,size=92)]
]
# 读取pdf表格
async def read_table(file):
    dct = dict()
    with pdfplumber.open(file) as pdf:
        for page in pdf.pages:
            tables = page.extract_tables(table_settings = {})
            for table in tables:
                for lst in table:
                    tmp = lst[1:]
                    if not any(tmp): continue
                    tmp = [tmp[0]]+tmp[3:8]+[tmp[-1]]
                    tmp[0] = tmp[0].replace('\n','')
                    tmp[0] = tmp[0].split('/')
                    tmp[0] = tmp[0][-1]
                    if lst[0]=='时间':
                        dct[lst[0]] = tmp[0]
                    else:
                        dct[','.join([lst[0],tmp[0]])] = ','.join(tmp[1:])
    return dct
# 写入xls文件
def write_sheet():
    global data, date, table_head, ErrMessage
    if ErrMessage[:2] in ('错误','文件'): return
    myxl = xlwt.Workbook()
    style = xlwt.easyxf('align: wrap yes; align: horiz center; font: bold yes;') 
    sheet = myxl.add_sheet('考勤表')
    wcol = [20,40,60,30,30,40,40,40,60]
    for i,w in enumerate(wcol):
        sheet.col(i).width = w * 80
    sheet.write_merge(0,0,0,8,'出勤统计报表',style)
    style = xlwt.easyxf('borders:top thin; borders:bottom thin; borders:left thin; borders:right thin;') 
    sheet.write_merge(1,1,0,2,'考勤日期：'+date[0])
    for i,head in enumerate(['序号']+table_head.split(',')):
        sheet.write(2,i,head,style)
    for i,row in enumerate(data):
        for j,col in enumerate([str(i+1)]+row):
            sheet.write(3+i,j,col,style)
    for i,t in enumerate(SortedType):
        if t in ErrMessage:
            tmp = SortedType[i]
            break
    else: tmp = ""
    excel_file = f'昆山分行考勤表{date[0]}({tmp}{strDateTime()}).xls'
    ErrMessage = f'文件输出为：{excel_file}'
    try:
        myxl.save(excel_file)
    except:
        ErrMessage = '写入excel文件失败！'
    finally:
        pyperclip.copy('\\'.join((os.getcwd(),excel_file)))
        window['-BAR-'].update(ErrMessage)
# 获取当前时间
def strDateTime(diff=0):
    now = dt.datetime.now()
    time = now + dt.timedelta(days=diff)    
    return f'{time.year}{time.month:02}{time.day:02}{time.hour:02}{time.minute:02}{time.second:02}'
# 选择并处理文件
async def on_text_changed(event, values):
    global date, data, path, ErrMessage
    new_path = values["-FOLDER-"]
    window["-FOLDER-"].update(new_path.split('/')[-1])
    if path==new_path: return
    else: path = new_path
    pdfs = [f for f in os.listdir(path) if f.endswith('.pdf') and not f.startswith('PDFmerged')]
    nums = len(pdfs)
    if nums==0:
        ErrMessage = '错误：所选文件夹中没有PDF文件！'
        window['-BAR-'].update(ErrMessage)
        window['-DATE-'].update(DateFormat)
        window['-TABLE-'].update(values=[])
        return
    date, data, sheet = [], [], dict()
    tasks = []
    for pdf in pdfs:
        tasks.append(read_table('/'.join([path,pdf])))
    ErrMessage = f'文件读取中(共{nums}个PDF文件)......'
    window['-BAR-'].update(ErrMessage)
    window.refresh()
    results = await asyncio.gather(*tasks)
    for r in results:
        dt = r.get('时间',None)
        if dt: date.append(dt)
        sheet.update(r)
    if date:
        window['-DATE-'].update(date[-1])
    for k,v in sheet.items():
        if k in ('时间','姓名,所属组织','普通班个人出勤统计报表,'): continue
        data.append(','.join([k,v]).split(','))
        window['-TABLE-'].update(values=data)
    persons = len(data)
    departments = len(set([d[1] for d in data]))
    if 0:#len(set(date))!=1:
        data = []
        ErrMessage = f'错误：请检查所选文件存在多个时间段：{",".join(set(date))}'
    else:
        ErrMessage = f'考勤人数：{persons} / 部门数：{departments}'
    window['-BAR-'].update(ErrMessage)
# 表格排序
def on_table_sorted(event, data):
    global ErrMessage
    if not data: return
    slist = ['x[-4][:-1]', 'x[-1]', 'x[-3]', 'x[-2]']
    style = slist[SortedType.index(event)]
    data = sorted(data, key=lambda x: float(eval(style)), reverse=True)
    window['-TABLE-'].update(values=data)
    ErrMessage = f'已按{event}更新！'
    window['-BAR-'].update(ErrMessage)
# 创建窗口
window = sg.Window("考勤表汇总", layout, finalize=True)
# 事件循环
while True:
    event, values = window.read()
    if event == sg.WINDOW_CLOSED or event == "退出":
        break
    elif event == "-FOLDER-":
        asyncio.run(on_text_changed(event, values))
    elif event in SortedType:
        on_table_sorted(event, data)
    elif event == "输出Excel文件":
        write_sheet()
# 关闭窗口
window.close()

代码分析

重点代码都用彩色字体加粗标注了：

遍历表格

读取代码如下：

import pdfplumber

......

    with pdfplumber.open(file) as pdf:

        for page in pdf.pages:

            tables = page.extract_tables(table_settings = {})

            for table in tables:

                for lst in table:

                    # 根据表格实际情况来清洗数据

    return dct

布局界面

import PySimpleGUI as pg

layout = [

    [sg.Text("昆山分行考勤表",font=('',16)),

     sg.Text(pad=(132,10)),

     sg.Text("请选择考勤文件:",font=font),

     sg.Input(key="-FOLDER-", enable_events=True, readonly=True,font=font,size=18),

     sg.FolderBrowse(button_text='...', enable_events=True, initial_folder='./')

     ],

    [sg.Text("考勤日期：",font=font),

     sg.Text(DateFormat,key='-DATE-',font=font)

     ],

    [sg.Table(values='',

              headings=table_head.split(','),

              key='-TABLE-',

              auto_size_columns=False,

              justification='left',

              num_rows=10)],

    [sg.Button("输出Excel文件",size=(12,1),pad=(15,30)),

     sg.Button(SortedType[0], enable_events=True,size=(10,1),pad=(15,30)),

     sg.Button(SortedType[1], enable_events=True,size=(10,1),pad=(15,30)),

     sg.Button(SortedType[2], enable_events=True,size=(10,1),pad=(15,30)),

     sg.Button(SortedType[3], enable_events=True,size=(10,1),pad=(15,30)),

     sg.Button("退出",size=(10,1),pad=(15,30))],

    [sg.StatusBar('',key="-BAR-",font=font,size=92)]]

控件简介

除了最常用的Text, Input, Button，使用了 FolderBrowse、Table、StatsBar 三个不是最常用的控件，分别是文件夹打开框、表格和状态栏。

表格最重要的三个参数： values, headings, auto_size_columns

sg.Table(values='', headings=table_head.split(','), auto_size_columns=False)

表格数据values和表头headings都列表(分别是二维和一维的)，auto_size_columns=False建议不要缺省，否则列宽不可控，各列都自动缩进紧靠在一起。

表格更新数据的方法：window['-TABLE-'].update(values=data)

写入表格

import xlwt

def write_sheet():

    global data, date, table_head, ErrMessage

    if ErrMessage[:2] in ('错误','输出'): return

    myxl = xlwt.Workbook()

    style = xlwt.easyxf('align: wrap yes; align: horiz center; font: bold yes;') 

    sheet = myxl.add_sheet('考勤表')

    wcol = [20,40,60,30,30,40,40,40,60]

    for i,w in enumerate(wcol):

        sheet.col(i).width = w * 80

    sheet.write_merge(0,0,0,8,'出勤统计报表',style)

    style = xlwt.easyxf('borders:top thin; borders:bottom thin; borders:left thin; borders:right thin;') 

    sheet.write_merge(1,1,0,2,'考勤日期：'+date[0])

    for i,head in enumerate(['序号']+table_head.split(',')):

        sheet.write(2,i,head,style)

    for i,row in enumerate(data):

        for j,col in enumerate([str(i+1)]+row):

            sheet.write(3+i,j,col,style)

    for i,t in enumerate(SortedType):

        if t in ErrMessage:

            tmp = SortedType[i]

            break

    else: tmp = ""

    excel_file = f'昆山分行考勤表{date[0]}({tmp}{strDateTime()}).xls'

    ErrMessage = f'输出文件为：{excel_file}'

    try:

        myxl.save(excel_file)

    except:

        ErrMessage = '写入excel文件失败！'

注意单格和多个单元格的写入区别： sheet.write()  sheet.write_merge()

表格排序

SortedType = ["出勤率排序","加班时长排序","迟到次数排序","早退次数排序"]

def on_table_sorted(event, data):

    global ErrMessage

    if not data: return

    slist = ['x[-4][:-1]', 'x[-1]', 'x[-3]', 'x[-2]']

    style = slist[SortedType.index(event)]

    data = sorted(data, key=lambda x: float(eval(style)), reverse=True)

    window['-TABLE-'].update(values=data)

    ErrMessage = f'已按{event}更新！'

    window['-BAR-'].update(ErrMessage)

虽然经常有人诟病eval()函数的安全性，但这里还是用eval()简化表格排序事件，否则要多写很多代码。

事件循环

while True:

    event, values = window.read()

    if event == sg.WINDOW_CLOSED or event == "退出":

        break

    elif event == "-FOLDER-":

        asyncio.run(on_text_changed(event, values))

    elif event in SortedType:

        on_table_sorted(event, data)

    elif event == "输出Excel文件":

        write_sheet()

异步编程

此时，请出本篇的主角“异步编程”，什么是异步编程呢？就是有点多任务操作的意思。

异步编程是一种编程范式，它允许某些操作在等待结果时不阻塞整个程序。在传统的同步编程中，程序会按照顺序执行，一旦遇到需要等待的操作（如文件I/O或网络请求），整个程序就会被阻塞，等待操作完成。而在异步编程中，程序并不会因为某个耗时的IO操作而停下其他所有任务，而是将这个任务交给系统处理，自身继续执行后续的操作，等到IO操作完成后，系统会通知程序进行下一步的处理。

asyncio

在上一段代码中，响应"-FOLDER-"时使用了asyncio.run()函数：

import asyncio

....... ......

while True:

    event, values = window.read()

    if event == sg.WINDOW_CLOSED or event == "退出":

        break

    elif event == "-FOLDER-":

        asyncio.run(on_text_changed(event, values))

asyncio.run运行的这个是异步编程的主函数，需要用async def来定义：

async def

async def on_text_changed(event, values):

    ......其它代码略......

    tasks = []

    for pdf in pdfs:

        tasks.append(read_table('/'.join([path,pdf])))

    ErrMessage = f'文件读取中(共{nums}个PDF文件)......'

    window['-BAR-'].update(ErrMessage)

    window.refresh()

    results = await asyncio.gather(*tasks)

    for r in results:

       ......遍历取回的被调异步函数返回值的列表......

await

异步主函数中使用 await asyncio.gather(*tasks) 取回被函数的返回结果，返回结果是多个任务的返回值组成的列表；而主函数的任务呢就，是被调函数组成的列表：asks.append(read_table())

同样的，被调函数也需要用async def来定义，它一般都是文件I/O或网络请求等比较耗时的操作：

async def read_table(file):

    dct = dict()

    with pdfplumber.open(file) as pdf:

        # 读取pdf文件 I/O操作

    return dct

---

源码和2个例表已绑定上传资源，欢迎下载测试。