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

1. import xlwt, pyperclip, asyncio, pdfplumber
2. import os, time, datetime as dt
3. import PySimpleGUI as sg
5. # 全局变量
6. 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)'
7. path, font = '', ('宋体',12)
8. date, data = [], []
9. DateFormat = ' . . - . . '
10. ErrMessage = '错误'
11. SortedType = ["出勤率排序","加班时长排序","迟到次数排序","早退次数排序"]
13. # 定义布局
14. layout = [
15. [sg.Text("昆山分行考勤表",font=('',16)),
16. sg.Text(pad=(132,10)),
17. sg.Text("请选择考勤文件:",font=font),
18. sg.Input(key="-FOLDER-", enable_events=True, readonly=True,font=font,size=18),
19. sg.FolderBrowse(button_text='...', enable_events=True, initial_folder='./')
20. ],
21. [sg.Text("考勤日期：",font=font),
22. sg.Text(DateFormat,key='-DATE-',font=font)
23. ],
24. [sg.Table(values='',
25. headings=table_head.split(','),
26. key='-TABLE-',
27. auto_size_columns=False,
28. justification='left',
29. num_rows=10)],
30. [sg.Button("输出Excel文件",size=(12,1),pad=(15,30)),
31. sg.Button(SortedType[0], enable_events=True,size=(10,1),pad=(15,30)),
32. sg.Button(SortedType[1], enable_events=True,size=(10,1),pad=(15,30)),
33. sg.Button(SortedType[2], enable_events=True,size=(10,1),pad=(15,30)),
34. sg.Button(SortedType[3], enable_events=True,size=(10,1),pad=(15,30)),
35. sg.Button("退出",size=(10,1),pad=(15,30))],
36. [sg.StatusBar('',key="-BAR-",font=font,size=92)]
37. ]
39. # 读取pdf表格
40. async def read_table(file):
41. dct = dict()
42. with pdfplumber.open(file) as pdf:
43. for page in pdf.pages:
44. tables = page.extract_tables(table_settings = {})
45. for table in tables:
46. for lst in table:
47. tmp = lst[1:]
48. if not any(tmp): continue
49. tmp = [tmp[0]]+tmp[3:8]+[tmp[-1]]
50. tmp[0] = tmp[0].replace('\n','')
51. tmp[0] = tmp[0].split('/')
52. tmp[0] = tmp[0][-1]
53. if lst[0]=='时间':
54. dct[lst[0]] = tmp[0]
55. else:
56. dct[','.join([lst[0],tmp[0]])] = ','.join(tmp[1:])
57. return dct
59. # 写入xls文件
60. def write_sheet():
61. global data, date, table_head, ErrMessage
62. if ErrMessage[:2] in ('错误','文件'): return
63. myxl = xlwt.Workbook()
64. style = xlwt.easyxf('align: wrap yes; align: horiz center; font: bold yes;')
65. sheet = myxl.add_sheet('考勤表')
66. wcol = [20,40,60,30,30,40,40,40,60]
67. for i,w in enumerate(wcol):
68. sheet.col(i).width = w * 80
69. sheet.write_merge(0,0,0,8,'出勤统计报表',style)
70. style = xlwt.easyxf('borders:top thin; borders:bottom thin; borders:left thin; borders:right thin;')
71. sheet.write_merge(1,1,0,2,'考勤日期：'+date[0])
72. for i,head in enumerate(['序号']+table_head.split(',')):
73. sheet.write(2,i,head,style)
74. for i,row in enumerate(data):
75. for j,col in enumerate([str(i+1)]+row):
76. sheet.write(3+i,j,col,style)
77. for i,t in enumerate(SortedType):
78. if t in ErrMessage:
79. tmp = SortedType[i]
80. break
81. else: tmp = ""
82. excel_file = f'昆山分行考勤表{date[0]}({tmp}{strDateTime()}).xls'
83. ErrMessage = f'文件输出为：{excel_file}'
84. try:
85. myxl.save(excel_file)
86. except:
87. ErrMessage = '写入excel文件失败！'
88. finally:
89. pyperclip.copy('\\'.join((os.getcwd(),excel_file)))
90. window['-BAR-'].update(ErrMessage)
92. # 获取当前时间
93. def strDateTime(diff=0):
94. now = dt.datetime.now()
95. time = now + dt.timedelta(days=diff)
96. return f'{time.year}{time.month:02}{time.day:02}{time.hour:02}{time.minute:02}{time.second:02}'
98. # 选择并处理文件
99. async def on_text_changed(event, values):
100. global date, data, path, ErrMessage
101. new_path = values["-FOLDER-"]
102. window["-FOLDER-"].update(new_path.split('/')[-1])
103. if path==new_path: return
104. else: path = new_path
105. pdfs = [f for f in os.listdir(path) if f.endswith('.pdf') and not f.startswith('PDFmerged')]
106. nums = len(pdfs)
107. if nums==0:
108. ErrMessage = '错误：所选文件夹中没有PDF文件！'
109. window['-BAR-'].update(ErrMessage)
110. window['-DATE-'].update(DateFormat)
111. window['-TABLE-'].update(values=[])
112. return
113. date, data, sheet = [], [], dict()
114. tasks = []
115. for pdf in pdfs:
116. tasks.append(read_table('/'.join([path,pdf])))
117. ErrMessage = f'文件读取中(共{nums}个PDF文件)......'
118. window['-BAR-'].update(ErrMessage)
119. window.refresh()
120. results = await asyncio.gather(*tasks)
121. for r in results:
122. dt = r.get('时间',None)
123. if dt: date.append(dt)
124. sheet.update(r)
125. if date:
126. window['-DATE-'].update(date[-1])
127. for k,v in sheet.items():
128. if k in ('时间','姓名,所属组织','普通班个人出勤统计报表,'): continue
129. data.append(','.join([k,v]).split(','))
130. window['-TABLE-'].update(values=data)
131. persons = len(data)
132. departments = len(set([d[1] for d in data]))
133. if 0:#len(set(date))!=1:
134. data = []
135. ErrMessage = f'错误：请检查所选文件存在多个时间段：{",".join(set(date))}'
136. else:
137. ErrMessage = f'考勤人数：{persons} / 部门数：{departments}'
138. window['-BAR-'].update(ErrMessage)
140. # 表格排序
141. def on_table_sorted(event, data):
142. global ErrMessage
143. if not data: return
144. slist = ['x[-4][:-1]', 'x[-1]', 'x[-3]', 'x[-2]']
145. style = slist[SortedType.index(event)]
146. data = sorted(data, key=lambda x: float(eval(style)), reverse=True)
147. window['-TABLE-'].update(values=data)
148. ErrMessage = f'已按{event}更新！'
149. window['-BAR-'].update(ErrMessage)
151. # 创建窗口
152. window = sg.Window("考勤表汇总", layout, finalize=True)
154. # 事件循环
155. while True:
156. event, values = window.read()
157. if event == sg.WINDOW_CLOSED or event == "退出":
158. break
159. elif event == "-FOLDER-":
160. asyncio.run(on_text_changed(event, values))
161. elif event in SortedType:
162. on_table_sorted(event, data)
163. elif event == "输出Excel文件":
164. write_sheet()
166. # 关闭窗口
167. 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。