用Python自动化读写Word文档

lsekfe · 发表于 2022-10-26 11:41:24

1. 安装模块
　　这里我们用到的是python-docx模块，读写Word文档的操作均有它完成！

# 安装该模块，在命令行键入以下命令
pip install python-docx

复制代码

在进行后续介绍前，我们先简单了解一下Word文档。和纯文本（比如txt）相比，.docx文件有很多种结构，这些结构在python-docx中用3种不同的类型来表示：最高一层是Document对象表示文档，每个Document对象包含一个Paragraph对象也就是段落组成的列表，而每个Paragraph对象则包含一个Run对象的列表，至于Run对象大家可以通过下面的段落Paragraph来了解。

我们知道Word里的文本包含有很多格式，比如字体、字号、粗体/斜体、颜色等等。一个Run对象是具有相同格式的文本，当发生变化的时候就需要一个新的Run对象，这也就是上图中1个Paragraph对象有4个Run对象的原因。
　　理解以上知识后，我们再来了解读与写吧。
　　2. 读取Word文档
　　我们本地创建一个案例文档，用于演示读取Word，案例文档内容如下：

　可以看到文档一共有四行，两行标题以及两行正文。

import docx
　　# 读取Word文档
doc = docx.Document(r'案例.docx')

复制代码

我们知道了读取Word每个paragraph段落和Run，那么如何读取完整的Word文本内容呢？这里，自定义一个函数将全部的paragraph段落内容存起来，每个paragraph段落之间用换行符\n隔开即可。

import docx
　　def getText(fileName):
　　doc = docx.Document(fileName)
　　TextList = for paragraph in doc.paragraphs:
TextList.append(paragraph.text)return '\n'.join(TextList)

复制代码

我们调用该函数，可以得到：

fileName = r'案例.docx'
print(getText(fileName))

复制代码

标题1
这是一个段落，有粗体和斜体大家好，我是才哥。标题2

复制代码

当然了，这里读取后输出显示的文本不带有格式属性哈。
　　3. 写入Word文档
　　在写入Word之前，我们先简单了解下Word的一些格式规则。
　　毫不夸张的讲，把全局样式玩的明白的人蛮少的。这方面主要是正文样式与标题样式，如果玩得明白的话，其实设置好了之后几乎不需要再进行啥调整，全局格式都能自动设置与更新。就我所见的大多数朋友的文档，这方面基本达不到。（感觉会被爆锤~~）

比如，我们可以设置正文样式为微软雅黑字体，字号12，缩进，间距等等；设置标题样式为微软雅黑字体，字号14，删除段落后间距等等。
　　在我们Python处理Word的时候，段落样式可以应用于 Paragraph对象，字符样式可以应用于Run对象，链接的样式可以应用于这两种对象。可以将Paragraph和Run对象的style属性设置为一个字符串，从而设置样式。这个字符串应该是一种样式的名称。如果style被设置为None，就没有样式与Paragraph或Run对象关联。
　　当然，这里我们不展开介绍，就简单介绍Run对象上的字符属性。关于更多的介绍，我们放在第三期的详解Python写Word里。
　　对于Run对象的字符text属性，都有3个状态：True（启用）、False（禁用）和None（默认）。
　　我们演示一下：

以上就是对段落的一些简单介绍及演示，接下来，我们来看看怎么创建并写入Word。
　　要创建自己的.docx文件，就调用docx.Document，返回一个新的、空白的Word Document对象。Document对象的add_paragraph方法将一段新文本添加到文档中，并返回添加的 Paragraph 对象的引用。在添加完文本之后，向 Document 对象的save方法传入一个文件名字符串，将 Document 对象保存到文件。