办公文档水印批量处理工具 · PDF/Excel 流水线

这个项目解决什么问题

办公岗位的单据处理痛点非常具体：合同、提单、报价单外发前要逐份加水印，订单 Excel 列名中英文混乱、日期五花八门、金额带 $ 和千分位不能直接求和，表格里还带着客户电话邮箱怕泄密。本项目把这些高频操作整合成一条流水线，并提供"生成演示文档"按钮——没有真实单据也能完整演示全流程。

核心亮点

• 水印位置智能避让：不是简单全页糊满水印——先用 PyPDF2 的 visitor_text 回调收集每页文字坐标，把页面划成网格统计字符密度，水印自动跳过正文密集的格子，避免盖住关键内容（扫描件提取不到文字时自动退化为全页平铺）。
• 敏感字段遮蔽：勾选一个开关，电话 / 邮箱列输出前自动打码成 138****5678、w***@demo.com，针对单据外发的防泄密场景。
• 线程池任务队列 + 进度轮询：多文件处理走后台线程，前端每 800ms 轮询 /api/progress/<task_id> 实时刷新进度条，处理完成自动打包 ZIP，每个文件的结果与耗时都落盘到日志页可查。
• 一键演示数据：reportlab 现场生成 3 份提单 PDF + 2 个中英文混乱列名的订单 Excel，课程汇报时零准备。

效果预览

首页上传与参数配置——水印文字 / 字号 / 角度 / 透明度 / 间距均可调：

水印智能避让前后对比——开启后正文区域不再被水印遮挡：

整体处理流程：上传 → 任务队列 → PDF/Excel 分流处理 → 进度轮询 → ZIP 打包：

预览图基于演示数据渲染实际处理效果，界面示意以实际运行页面为准。

你将学到

• Flask 异步任务的轻量实现：ThreadPoolExecutor + 全局任务字典 + 轮询接口（不必上 Celery）
• PDF 的程序化操作：ReportLab 生成水印层、PyPDF2 逐页叠加 / 合并 / 按页码范围拆分
• pandas 数据清洗套路：列名映射、去重、日期统一、金额数值化与合计
• 如何把"批处理 + 进度反馈 + 流水日志"做成一个完整的 Web 工具

适合谁

需要完成"工具类 / Web 应用方向"毕业设计，或想积累 PDF/Excel 办公自动化实战经验的学习者。难度 ★★☆，代码中文注释齐全，跑通一遍即可理解全部流程。

交付内容：完整可运行源码、README.md（逐步运行方法与实现说明）、requirements.txt。

许可：个人使用，可用于自己的学习、课程实验与研究报告，请勿转售或公开传播。

环境与步骤

pip install -r requirements.txt

pip install -r requirements.txt
python app.py          # 启动后浏览器打开 http://127.0.0.1:5000

没有文件？点首页的 「生成演示文档」 按钮，再勾选"智能避让"和"敏感字段遮蔽"上传即可看到全部效果。

注意事项

• 内置「生成演示文档」按钮，没有真实单据也能跑完整个流程。

Q：没有真实单据能演示吗？

A：能。页面上有“生成演示文档”按钮，用 reportlab 现场造 3 份提单 PDF 加 2 个列名中英文混乱的订单 Excel，整条流水线零准备可跑。

Q：水印会不会盖住正文？

A：默认走智能避让：先用 PyPDF2 的 visitor_text 回调收集每页文字坐标，把页面划成网格统计字符密度，水印自动跳过正文密集的格子；扫描件提取不到文字时自动退化为全页平铺。

Q：电话和邮箱能自动打码吗？

A：勾选“敏感字段遮蔽”开关后，电话列输出成 138****5678、邮箱成 w***@demo.com，针对单据外发的防泄密场景。

Q：多文件会不会把页面卡死？

A：处理走后台线程池，前端每 800ms 轮询 /api/progress/<task_id> 刷新进度条，完成后自动打包 ZIP 下载，每个文件的结果与耗时在日志页可查。requirements 里的 celery 是注释掉的可选项，默认不需要。