以下是一些 Python 編寫的用來解析和操作特殊文本格式的庫，希望對大家有所幫助。
1、Tablib
Tablib 是一個用來處理與表格格式數據有關的 Python 庫，允許導入、導出、管理表格格式數據，並具備包括切片、動態列、標籤和過濾，以及格式化導入和導出等高級功能。
Tablib 支持導出/導入的格式包括：Excel 、JSON 、YAML 、HTML 、TSV 和 CSV ，暫不支持 XML 。
<code>>>> data = tablib.Dataset(headers=['First Name', 'Last Name', 'Age'])
>>> for i in [('Kenneth', 'Reitz', 22), ('Bessie', 'Monke', 21)]:
... data.append(i)
>>> print(data.export('json'))
[{"Last Name": "Reitz", "First Name": "Kenneth", "Age": 22}, {"Last Name": "Monke", "First Name": "Bessie", "Age": 21}]
>>> print(data.export('yaml'))
- {Age: 22, First Name: Kenneth, Last Name: Reitz}
- {Age: 21, First Name: Bessie, Last Name: Monke}
>>> data.export('xlsx')
<censored>
>>> data.export('df')
First Name Last Name Age
0 Kenneth Reitz 22
1 Bessie Monke 21/<censored>/<code>
2、Openpyxl
Openpyxl 是一個用於讀寫 Excel 2010 xlsx / xlsm / xltx / xltm 文件的 Python 庫。
Openpyxl 為 Python 原生讀取/寫入 Office Open XML 格式而生，最初是基於 PHPExcel 而開發。
<code>from openpyxl import Workbook
wb = Workbook()
# grab the active worksheet
ws = wb.active
# Data can be assigned directly to cells
ws['A1'] = 42
# Rows can also be appended
ws.append([1, 2, 3])
# Python types will automatically be converted
import datetime
ws['A2'] = datetime.datetime.now()
# Save the file
wb.save("sample.xlsx")/<code>
3、unoconv
unoconv，全稱為 Universal Office Converter ，是一個命令行工具，可在 LibreOffice/OpenOffice 支持的任意文件格式之間進行轉換。
unoconv 支持批量轉換文檔，還可以結合 asciidoc和 docbook2odf / xhtml2odt 來創建 PDF 或 Word（.doc） 文件。
<code>[dag@moria cv]$ make odt pdf html doc
rm -f *.{odt,pdf,html,doc}
asciidoc -b docbook -d article -o resume.xml resume.txt
docbook2odf -f --params generate.meta=0 -o resume.tmp.odt resume.xml
Saved resume.tmp.odt
unoconv -f odt -t template.ott -o resume.odt resume.tmp.odt
unoconv -f pdf -t template.ott -o resume.pdf resume.odt
unoconv -f html -t template.ott -o resume.html resume.odt
unoconv -f doc -t template.ott -o resume.doc resume.odt/<code>
4、PyPDF2
PyPDF2 是一個純 Python PDF 庫，能夠分割、合併、裁剪和轉換 PDF 文件頁面。它還可以添加自定義數據、查看選項和密碼到 PDF 文件。
PyPDF2 可以從 PDF 中檢索文本和元數據，也可以將整個文件合併在一起。
<code>from PyPDF2 import PdfFileWriter, PdfFileReader
output = PdfFileWriter()
input1 = PdfFileReader(open("document1.pdf", "rb"))
# print how many pages input1 has:
print "document1.pdf has %d pages." % input1.getNumPages()
# add page 1 from input1 to output document, unchanged
output.addPage(input1.getPage(0))
# add page 2 from input1, but rotated clockwise 90 degrees
output.addPage(input1.getPage(1).rotateClockwise(90))
# add page 3 from input1, rotated the other way:
output.addPage(input1.getPage(2).rotateCounterClockwise(90))
# alt: output.addPage(input1.getPage(2).rotateClockwise(270))
# add page 4 from input1, but first add a watermark from another PDF:
page4 = input1.getPage(3)
watermark = PdfFileReader(open("watermark.pdf", "rb"))
page4.mergePage(watermark.getPage(0))
output.addPage(page4)
# add page 5 from input1, but crop it to half size:
page5 = input1.getPage(4)
page5.mediaBox.upperRight = (
page5.mediaBox.getUpperRight_x() / 2,
page5.mediaBox.getUpperRight_y() / 2
)
output.addPage(page5)
# add some Javascript to launch the print window on opening this PDF.
# the password dialog may prevent the print dialog from being shown,
# comment the the encription lines, if that's the case, to try this out
output.addJS("this.print({bUI:true,bSilent:false,bShrinkToFit:true});")
# encrypt your new PDF and add a password
password = "secret"
output.encrypt(password)
# finally, write "output" to document-output.pdf
outputStream = file("PyPDF2-output.pdf", "wb")
output.write(outputStream)/<code>
5、Mistune
Mistune 是一個純 Python 實現的 Markdown 解析器，功能齊全，包括表格、註釋、代碼塊等。
Mistune 據稱是所有純 Python markdown 解析器中速度最快的（基準測試結果）。它在設計時考慮了模塊化，以提供一個清晰易用的可擴展的 API 。
<code>import mistune
mistune.markdown('I am using **mistune markdown parser**')
# output:I am using mistune markdown parser
/<code>
6、csvkit
csvkit 號稱是處理 csv 文件的瑞士軍刀，集成了 csvlook ， csvcut 和 csvsql 等實用工具，可以以表格形式顯示 CSV 文件，輕鬆選取 CSV 指定列，以及在其上執行 SQL 操作。
csvkit 是一個命令行工具，靈感來自 pdftk 、gdal 和其它類似工具。
閱讀更多 程序猿南鶴 的文章
