頑張らないために頑張る

ゆるく頑張ります

PythonでWordファイルをPDFに変換する（PDFの結合もしてみる）

Posted at — Jan 14, 2020

はじめに

小ネタです。

Wordで作ったドキュメントをPDFに保存して、メールで送信する。ビジネス上、そんなシチュエーションがたまにあるかと思います。私もそうでした。

上司：「ここのフォルダのwordファイルをPDFで保存して、お客さんにメールしといてくれ。」

自分：「はーい。えーとどれどれ・・・」

pic

なんでファイルを分けた？

え、このファイル全部いちいちWordで開いてPDF形式で保存して、しかも1つのPDFファイルに連結するの？しかも、ファイルそれぞれでページ設定とか書式が微妙に違っているから、Wordでファイルを結合するのも面倒だし・・・。

ちなみに、上記のスクリーンショットは実際のファイルではなく、イメージですのでご了承ください。

やってられるか

というわけで、Pythonを使ってWordファイルをPDFに保存しつつ、PDFファイルの結合も一緒に処理しちゃいましょう。

実現したいこと

ざっくりこんなところでしょうか。

ちなみに、PDFのページ順を編集するのにはCubePDF Utilityを使っていますが、他のアプリケーションでももちろんOKです。Wordファイルの数にもよりますが、ファイル名でソートした結果がPDFで最終的に出力したいページ順と一致するよう、ファイル名をリネームする方法もあります。

環境

PythonはAnacondaでも問題ありません。なお、実行には下記のライブラリやパッケージが必要です。pipやcondaを利用してインストールしてください。

ソース

いきなりですが、結論です。

import sys
import comtypes.client
import glob
import pathlib
import PyPDF2
import time

start = time.time()

wdFormatPDF = 17


def convert(in_file, out_file):
    word = comtypes.client.CreateObject('Word.Application')
    doc = word.Documents.Open(in_file)
    doc.SaveAs(out_file, FileFormat=wdFormatPDF)
    doc.Close()
    word.Quit()


def pdf_merger(out_pdf, pdfs):
    merger = PyPDF2.PdfFileMerger()

    for pdf in pdfs:
        print(pdf)
        merger.append(pdf)

    merger.write(out_pdf)
    merger.close()


argvs = sys.argv
arg_count = len(argvs)

if arg_count > 1:
    file_path = argvs[1]
else:
    file_path = 'C:\\app\\work\\docs\\*.docx'

parent_folder = pathlib.Path(file_path).parent
files = glob.glob(file_path)

pdfs = []

for f in files:
    file_p = pathlib.Path(f)
    file_pdf = f.replace(file_p.suffix, '.pdf')
    pdfs.append(file_pdf)
    convert(f, file_pdf)

out_file = str(pathlib.Path(parent_folder).joinpath('out.pdf'))

pdf_merger(out_file, pdfs)

process_time = time.time() - start

print(f'Process time is : {process_time}')

実行には下記のようにコマンドを発行します。

python docx2pdf.py

大したことはしていないのですが、少し補足します。

補足

docxをPDFに変換

comtypes.clientを用いてWordをバックグラウンドで実行し、開いたdocxファイルをPDFとして「名前をつけて保存」しています。この際、出力ファイルフォーマットとして「17」という数字を指定して、出力ファイルの形式をPDFとして指定しています。これは、Office VBAのリファレンスで規定されています。

複数のPDFを結合

複数のdocxをPDFに変換し終わったら、今度は生成されたPDFの一覧をリストとして取得します。PDFの結合機能はPyPDF2.PdfFileMerger()にappendして、最後に任意のPDFとして出力することで結合が可能です。

ちなみに実行時間は

元のdocxファイルの数やファイルサイズに依存しますが、割と時間がかかる印象です。まぁ、画面上では別にウィンドウがチラつく、ということはないのでバックグラウンドで動作させていれば、いつの間にか終わります。

まとめ

自分：「終わりました。メールも出しておきました。」

上司：「おう、お疲れさん。ああ、そうだ。次は、こっちのフォルダのWordファイルを、1つのPDFにしておいてほしいんだけど。」

自分：「」

なお、上記のPythonコードはこちらのリポジトリにあります。

comments powered by Disqus