办公自动化工具箱 ------ 模块功能说明文档
本工具集由 Excel、文件工具、OCR、PDF、PPT、Word 六大功能模块组成，旨在帮助用户高效完成各类文档处理、数据提取、文件管理等日常工作。各模块独立运行，支持批量操作，内置进度条和日志输出，操作简单直观。
一、Excel 模块
功能概述
提供对 Excel 文件的常用批处理操作，支持跨文件、跨工作表的数据处理。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 合并工作表 | 将多个 Excel 文件中选定的工作表合并为一个新的 Excel 文件（跨文件）。 | ① 点击按钮，选择多个 Excel 文件； ② 在对话框中勾选需要合并的工作表（可来自不同文件）； ③ 指定保存路径，开始合并。 |
| 拆分工作表 | 根据某一列的值，将单个 Excel 文件拆分为多个文件（每个值单独生成一个文件）。 | ① 选择要拆分的 Excel 文件； ② 选择拆分依据列； ③ 选择输出文件夹，开始拆分。 |
| 清洗数据 | 删除重复行和全空行。 | ① 选择 Excel 文件； ② 指定保存路径； ③ 自动完成清洗。 |
| 文件检索 | 在指定目录下递归搜索所有 Excel 文件，查找是否包含指定关键词（支持正则表达式，自动降级）。 | ① 选择搜索目录； ② 在弹出的对话框中输入关键词，可选择是否使用正则； ③ 结果列出所有匹配的文件。 |
| 缺失值处理 | 对缺失值进行删除或填充（均值/中位数/众数/自定义值），可针对行或列。 | ① 选择 Excel 文件； ② 在弹出的对话框中选择操作类型（删除或填充）、方向（行/列）、填充方法等； ③ 指定保存路径，开始处理。 |
| 重命名工作表 | 批量修改多个 Excel 文件中的工作表名称，支持查找替换、加前缀、加后缀、自定义规则（可引用原名称和序号）。 | ① 选择多个 Excel 文件； ② 选择重命名模式并填写相应参数； ③ 选择输出文件夹，执行重命名。 |
| 列操作 | 批量删除或保留指定的列（跨文件，可针对所有工作表或仅第一个）。 | ① 选择多个 Excel 文件； ② 选择操作类型（删除列/保留列）； ③ 输入列名（逗号分隔）； ④ 选择是否处理所有工作表； ⑤ 指定输出文件夹，开始操作。 |
| 查找替换 | 批量查找并替换单元格内容，支持正则表达式（跨文件，可针对所有工作表或仅第一个）。 | ① 选择多个 Excel 文件； ② 输入查找内容和替换内容； ③ 选择是否使用正则； ④ 选择是否处理所有工作表； ⑤ 指定输出文件夹，执行替换。 |
二、Word 模块
功能概述
批量处理 Word 文档（支持 .docx 和 .doc），包括表格提取、内容删除/插入、文档合并、转 PDF、图片提取、内容检索。
重要依赖
- 读取
.doc文件需要 Microsoft Word 和pywin32（否则会跳过.doc文件）。 - 转换 Word 为 PDF 需要 LibreOffice（程序会自动检测并提示）。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 提取表格数据 | 提取多个 Word 文档中的表格数据，可选择每个表格单独导出为 Excel，或合并所有表格到一个 Excel 文件。 | ① 选择多个 Word 文件； ② 选择是否合并所有表格； ③ 选择输出文件夹； ④ 开始提取。 |
| 删除指定内容 | 根据关键词删除包含该内容的段落或表格行（支持正则表达式）。 | ① 选择多个 Word 文件； ② 输入关键词； ③ 选择是否使用正则； ④ 选择输出文件夹； ⑤ 开始删除。 |
| 插入内容 | 在文档开头或结尾插入段落文本或图片。 | ① 选择多个 Word 文件； ② 选择插入类型（段落/图片）； ③ 输入内容或选择图片； ④ 选择插入位置（开头/结尾）； ⑤ 选择输出文件夹； ⑥ 开始插入。 |
| 合并多个Word | 将多个 Word 文档按顺序合并为一个，保留原格式和图片。 | ① 按顺序选择多个 Word 文件； ② 指定保存路径； ③ 开始合并。 |
| 转PDF | 将 Word 文档转换为 PDF（需安装 LibreOffice）。 | ① 选择多个 Word 文件； ② 选择输出文件夹； ③ 开始转换（使用 LibreOffice 后台转换）。 |
| 提取图片 | 提取 Word 文档中的所有内联图片，保存为原始格式。 | ① 选择多个 Word 文件； ② 选择输出文件夹； ③ 开始提取。 |
| 文件检索 | 递归搜索指定目录下所有 Word 文件（.docx 和 .doc），查找内容是否包含关键词（支持正则表达式），实时输出匹配的文件路径。 |
① 选择搜索目录； ② 输入关键词并选择是否使用正则； ③ 开始搜索，结果在日志中列出。 |
三、PPT 模块
功能概述
批量处理 PowerPoint 文件（支持 .pptx 和 .ppt），包括文本替换、文字提取、图片提取、格式转换、合并、添加元素等。
重要依赖
- 处理
.ppt（旧格式）及 转图片、合并、转PDF 等功能需要 Microsoft Office（PowerPoint） 和pywin32库。 - 如果未安装 Office，相关按钮会变为灰色并提示。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 批量替换文本 | 跨文件批量查找并替换幻灯片中的文本（支持正则表达式，自动处理 .ppt 格式）。 |
① 选择多个 PPT 文件； ② 输入查找内容和替换内容； ③ 选择是否使用正则； ④ 选择输出文件夹，开始替换。 |
| 提取全部文字 | 跨文件提取每个 PPT 中所有幻灯片、表格、形状中的文字，导出为独立的 TXT 文件。 | ① 选择多个 PPT； ② 选择输出文件夹； ③ 开始提取。 |
| PPT转图片 | 跨文件将每页幻灯片导出为高清 PNG 图片（需 Office + win32com）。 | ① 选择多个 PPT； ② 选择输出文件夹； ③ 开始转换（每个 PPT 生成一个子文件夹存放图片）。 |
| 转PDF | 跨文件将 PPT 另存为 PDF（需 Office + win32com）。 | ① 选择多个 PPT； ② 选择输出文件夹； ③ 开始转换。 |
| 合并多个PPT | 按选择顺序将多个 PPT 合并为一个文件（需 Office + win32com）。 | ① 按顺序选择多个 PPT； ② 指定保存合并文件的路径； ③ 开始合并。 |
| 添加页眉/Logo | 跨文件在所有幻灯片右上角统一添加文字页眉或 Logo 图片（自动处理 .ppt 格式）。 |
① 选择多个 PPT； ② 选择添加类型（文字或图片）； ③ 输入内容或选择图片； ④ 选择输出文件夹，开始添加。 |
| 提取图片 | 跨文件提取 PPT 中所有嵌入的图片（支持 .ppt 和 .pptx），每个 PPT 生成一个子文件夹。 |
① 选择多个 PPT； ② 选择输出文件夹； ③ 自动提取所有图片。 |
| 文件检索 | 在指定目录下递归搜索所有 PPT 文件（包括 .ppt 和 .pptx），查找内容是否包含关键词（支持正则表达式，包含表格文字），实时输出匹配的文件路径。 |
① 选择搜索目录； ② 输入关键词并选择是否使用正则； ③ 开始搜索，结果在日志中列出。 |
四、PDF 模块
功能概述
提供 PDF 的合并、拆分、文本/表格提取、格式转换、加密解密、页面旋转、内容检索等综合操作，支持跨文件批量处理。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 合并PDF | 将多个 PDF 文件合并为一个。 | ① 选择多个 PDF； ② 指定保存路径； ③ 开始合并。 |
| 按名称提取页 | 从 Excel 读取名称列表，在指定目录的所有 PDF 中搜索包含该名称的页面，并将匹配页面导出为独立的 PDF 文件（支持正则和 OCR）。 | ① 选择 Excel 文件（含名称列）； ② 选择 PDF 所在目录； ③ 选择输出目录； ④ 设置高级选项（列名、正则、是否启用 OCR、是否只导出第一个匹配等）； ⑤ 开始搜索和提取。 |
| 拆分PDF | 按每 N 页一份，或按指定页码范围（如 1-3,5,7-9）拆分。 |
① 选择要拆分的 PDF； ② 选择拆分方式并输入参数； ③ 选择输出文件夹； ④ 开始拆分。 |
| 提取表格 | 批量提取多个 PDF 中的表格数据，每个 PDF 生成一个 Excel 文件（每页表格独立 Sheet）。 | ① 选择多个 PDF； ② 选择输出文件夹； ③ 自动提取并生成 Excel。 |
| PDF转图片 | 将多个 PDF 的每一页转换为高清 PNG 图片（可设置 DPI）。 | ① 选择多个 PDF； ② 设置 DPI； ③ 选择输出文件夹； ④ 开始转换。 |
| 提取图片 | 提取多个 PDF 中的所有内嵌图片资源，保存为原始格式。 | ① 选择多个 PDF； ② 选择输出文件夹； ③ 自动提取所有图片。 |
| 提取文本 | 提取多个 PDF 的全部文本内容，每个 PDF 生成一个 TXT 文件。 | ① 选择多个 PDF； ② 选择输出文件夹； ③ 开始提取。 |
| 图片转PDF | 将多张图片合并为一个 PDF，自动适应 A4 尺寸，保持清晰度，可手动调整图片顺序。 | ① 选择多张图片； ② 在弹出的对话框中可切换排序方式（按文件名或手动拖拽调整）； ③ 指定保存 PDF 路径； ④ 开始生成。 |
| 加密/解密 | 批量加密或解密 PDF（需设置密码）。 | ① 选择多个 PDF； ② 选择操作（加密/解密）； ③ 输入密码； ④ 选择输出文件夹； ⑤ 开始处理。 |
| 旋转页面 | 批量旋转多个 PDF 的全部或指定页面（90°/180°/270°）。 | ① 选择多个 PDF； ② 选择旋转角度； ③ 选择旋转范围（所有页面或指定页码范围）； ④ 选择输出文件夹； ⑤ 开始旋转。 |
| 文件检索 | 在指定目录下递归搜索所有 PDF，查找内容是否包含关键词（支持正则表达式），自动识别文字型 PDF 和图片型 PDF（OCR 识别），并实时显示匹配的文件路径。 | ① 选择搜索目录； ② 输入关键词并选择是否使用正则； ③ 开始搜索，结果在日志中列出。 |
五、文件工具模块
功能概述
提供文件与文件夹的批量管理、重命名、归类、搜索、去重等实用工具。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 批量创建文件夹 | 从 Excel 读取名称列表或按序号批量生成文件夹。 | ① 选择创建模式（从Excel读取或按序号生成）； ② 选择根目录； ③ 根据模式选择 Excel 文件和列名，或设置前缀/起始序号/数量； ④ 开始创建。 |
| 删除空文件夹 | 递归删除指定目录下所有空文件夹。 | ① 选择要清理的根目录； ② 确认后自动删除所有空文件夹。 |
| 批量重命名 | 支持替换、添加前缀/后缀、正则替换、序号重命名等多种模式，可过滤文件类型。 | ① 选择文件夹； ② 选择重命名模式并填写参数（如查找替换内容、正则表达式等）； ③ 输入文件通配符（如 *.txt）； ④ 开始重命名（自动处理重名冲突）。 |
| 按顺序重命名 | 从 Excel 读取名称列表，按文件夹中文件的当前顺序依次重命名。 | ① 选择 Excel 文件并指定名称列； ② 选择目标文件夹； ③ 系统会校验文件数量与名称数量是否一致； ④ 开始执行重命名。 |
| 提取文件名 | 将文件夹内所有文件的名称（含相对路径、大小、修改时间）导出到 Excel。 | ① 选择要提取的文件夹； ② 选择是否包含相对路径； ③ 指定保存的 Excel 文件； ④ 导出完成。 |
| 磁盘空间分析 | 扫描指定目录下各子文件夹的大小，生成包含大小和占比的报告。 | ① 选择要分析的根目录； ② 可选择保存为 Excel 报告； ③ 分析完成显示结果。 |
| 批量创建文档 | 批量生成空白 Excel、Word 或 PPT 文档。 | ① 选择输出目录； ② 选择文档类型（excel/word/ppt）； ③ 设置基础名称和数量； ④ 开始创建。 |
| 自动归类移动 | 根据文件的修改日期或后缀，自动创建子文件夹并将文件移动到对应目录。 | ① 选择源文件夹； ② 选择目标根目录； ③ 选择归类依据（修改日期或文件后缀）； ④ 开始移动。 |
| 极速搜索 | 按文件名通配符、文件大小范围、修改日期范围快速搜索文件，结果可导出 Excel。 | ① 选择搜索根目录； ② 输入通配符（如 *.xlsx）； ③ 设置大小和日期过滤（可选）； ④ 可选择保存搜索结果为 Excel； ⑤ 开始搜索。 |
| 查找重复文件 | 基于 MD5 哈希值扫描目录下重复的文件。 | ① 选择要扫描的目录； ② 系统扫描所有文件，并列出重复文件对。 |
六、OCR 模块
功能概述
利用 PaddleOCR 引擎对图片或 PDF 进行文字识别、信息提取和检索。
前置依赖
- 需要安装
paddlepaddle和paddleocr（建议 CPU 版本）。 - 首次启动会自动加载模型，请保持网络畅通。
功能列表
| 功能按钮 | 功能说明 | 操作步骤 |
|---|---|---|
| 识别图片文字 | 批量识别图片中的全部文字，可选择保存为 TXT 文件。 | ① 选择一张或多张图片； ② 选择是否保存为文本文件； ③ 开始识别，结果在日志中显示或保存。 |
| 识别发票信息 | 批量识别增值税发票，提取发票代码、号码、日期、金额、税额、价税合计、购买方/销售方名称等字段，导出为 Excel。 | ① 选择发票图片； ② 指定保存 Excel 的路径； ③ 开始识别，完成后生成结构化数据。 |
| 识别PDF表格 | 批量识别扫描版 PDF，将每页文字按表格结构提取并导出为 Excel（每个 PDF 生成一个 Excel 文件，每页一个 Sheet）。 | ① 选择一个或多个 PDF 文件； ② 指定保存 Excel 的路径； ③ 程序将逐页识别并自动判断行列结构，导出表格数据。 |
| 检索图片文字 | 在图片（或目录下所有图片）中搜索指定关键词，返回包含关键词的图片及文字所在位置（坐标）。 | ① 选择检索模式（选择文件或扫描目录）； ② 输入关键词； ③ 程序识别并高亮显示匹配结果。 |
| 识别身份证信息 | 批量识别身份证正面，提取姓名、性别、民族、出生日期、住址、公民身份号码，导出为 Excel。 | ① 选择身份证图片； ② 指定保存 Excel 路径； ③ 开始识别并导出。 |
附录：运行环境与依赖
基础依赖
- Python 3.10
- PyQt5
- pandas
- openpyxl
- pdfplumber
- PyPDF2
- PyMuPDF (fitz)
- python-docx
- pillow
可选依赖（按模块）
- OCR 模块 ：
paddlepaddle,paddleocr - PPT 模块 （转图片/合并/转PDF）：
pywin32+ Microsoft Office（PowerPoint） - Word 模块 （读取
.doc）：pywin32+ Microsoft Word - Word 转 PDF：LibreOffice（可执行文件需在 PATH 中或自动检测）
- PPT 提取文字/替换等 ：
python-pptx - 创建 PPT 文档 ：
python-pptx（但模块中使用了pptx库，已包含）
注意事项
- 使用 PPT/Word 依赖 Office COM 的功能时，请确保已安装完整版 Office（非精简版）且具有相应权限。
- 所有批量操作均支持进度条显示和日志记录，异常信息会输出在日志区域。