为了演示这一功能，我们首先从NBER上面批量下载一些working paper保存到D盘下面的pdf文件夹内。程序如下：

clear

set more off

forvalues i = 19990/19994 {

 copy "http://www.nber.org/papers/w`i'.pdf" "D:/pdf/w`i'.pdf", replace

}

我们首先通过Python来实现把这些文件转换成为word文档。笔者电脑上安装的是Python3.6，如果你用的是Python2.x，部分程序需要做修改。我们需要用到以下几个模块，可以用import导入：

from selenium import webdriver

import time,re,urllib.request,os,random

我们通过打开Google Chrome浏览器，并转到我们用来转换文件格式的网页 http://www.pdfdo.com/pdf-to-word.aspx.

url = "http://www.pdfdo.com/pdf-to-word.aspx"

driver = webdriver.Chrome()

driver.get(url)

接着，我们对pdf文件夹下面的所有文件进行循环，这里需要用到os模块，将所有文件名装入一个列表里面。

进行循环的命令为：

for filename in os.listdir('D:/pdf/'):

接下来，我们以w19990.pdf为例，展示转换的过程：

我们用GoogleChrome浏览器检查，找到type为“file”的部分，通过name定位，将文件上传到网页上，并休息1~3秒的时间。

driver.find_element_by_name("ctl00$content$FileUpload1").send_keys("D:/pdf/w19990.pdf")

time.sleep(random.randint(1, 3))

然后我们通过name定位到PDF转Word按钮，并点击。网页就会跳转到转码后可下载文件的页面。

driver.find_element_by_name("ctl00$content$cmdSaveAttachment").click()

然后我们获取当前网页的源代码，并通过正则表达式提取并补充完整的下载地址，然后休息3~6秒。

html = driver.page_source

result = re.findall('href="(Download.+?doc)"',html)

download = "http://www.pdfdo.com/" + result[0]

time.sleep(random.randint(3, 6))

此时，download即为下载地址。

我们下载这个链接的文件，并将下载到的文件保存在D盘下的word文件夹中

urllib.request.urlretrieve(download,"D:/word/" + filename + ".doc")

下载完毕后，我们再将上传的文件删除掉，休息5~8秒的时间，再进行下一次操作。删除时，通过xpath定位到删除文件按钮，用程序点击这个按钮，就可以将这个文件删除。

driver.find_element_by_xpath('//*[@id="divFile"]/input').click()

time.sleep(random.randint(5, 8))

将整个程序放入到循环里面，程序如下：

for filename in os.listdir('D:/pdf/'):

        driver.find_element_by_name("ctl00$content$FileUpload1").send_keys("D:/pdf/" + filename)

        time.sleep(random.randint(1, 3))

        driver.find_element_by_name("ctl00$content$cmdSaveAttachment").click()

        html = driver.page_source

        result = re.findall('href="(Download.+?doc)"',html)

        download = "http://www.pdfdo.com/" + result[0]

        time.sleep(random.randint(3, 6))

        urllib.request.urlretrieve(download,"D:/word/" + filename + ".doc")

        driver.find_element_by_xpath('//*[@id="divFile"]/input').click()

        time.sleep(random.randint(5, 8))

最后全部文件都转换过之后，我们将浏览器关闭。

driver.quit()

这个时候我们看D盘的word文件夹，文件全部转换成为doc格式并下载了。

以上的过程全部是通过Python实现的，那么怎么样用Stata来做呢？这里就需要用到file命令，将Python的程序写入到一个.py格式的文件中，通过shell调用cmd来运行。用Stata来实现的完整程序如下：

clear

set more off

tempname temp

file open `temp' using "pdftoword.py", write replace

file write `temp' "from selenium import webdriver" _n

file write `temp' "import time,re,urllib.request,os,random" _n

file write `temp' `"url = "http://www.pdfdo.com/pdf-to-word.aspx""' _n

file write `temp' "driver = webdriver.Chrome()" _n

file write `temp' "driver.get(url)" _n

file write `temp' "for filename in os.listdir('D:/pdf/'):" _n

file write `temp' `"    driver.find_element_by_name("ctl00\$content\$FileUpload1").send_keys("D:/pdf/" + filename)"' _n

file write `temp' "    time.sleep(random.randint(1, 3))" _n

file write `temp' `"    driver.find_element_by_name("ctl00\$content\$cmdSaveAttachment").click()"' _n

file write `temp' "    html = driver.page_source" _n

file write `temp' `"    result = re.findall("""href="(Download.+?doc)""",html)"' _n

file write `temp' `"    download = "http://www.pdfdo.com/" + result[0]"' _n

file write `temp' "    time.sleep(random.randint(3, 6))" _n

file write `temp' `"    urllib.request.urlretrieve(download,"D:/word/" + filename + ".doc")"' _n

file write `temp' `"    driver.find_element_by_xpath("""//*[@id="divFile"]/input""").click()"' _n

file write `temp' "    time.sleep(random.randint(5, 8))" _n

file write `temp' "driver.quit()"

file close `temp'

! python pdftoword.py

这样，就实现了Stata与Python的交互。当然，前提条件是你的电脑上已经安装了Stata和Python，并且安装了所需要的模块，不然肯定会报错哦。

接下来我们关注一下今天空气质量情况

全国空气质量如下

以上就是今天小编与大家分享的全部内容了，如果各位看官喜欢今天分享的内容，不要吝啬你的打赏哦!想了解更多的Stata知识，请继续关注我们的公众号，我们将在后期继续分享更多的干货！

应广大粉丝要求，爬虫俱乐部的推文公众号打赏功能可以开发票啦，累计打赏超过1000元我们即可给您开具发票，发票类别为“咨询费”。用心做事，只为做您更贴心的小爬虫。第一批发票已经寄到各位小主的手中，大家快来给小爬虫打赏呀~

编辑by张欢

欢迎关注爬虫俱乐部