使用Python处理Word文件

这篇具有很好参考价值的文章主要介绍了使用Python处理Word文件。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

使用Python处理Word文件

  • 安装外部模块python-docx
pip install python-docx

1. 从Python看Word文件结构

在python-docx模块中,将Word文件结构分成3层:

  • Document:最高层,代表整个Word文件。
  • Paragraph:一个Word文件由许多段落组成,在Python中,整份文件的定义是Document,这些段落的定义就是Paragraph对象。在Python中,一个段落代表一个
    Paragraph对象,所有段落以Paragraph对象列表方式存在。
  • Run:Word文件要考虑的有字号、字体样式、色彩等,统称为样式。一个Run对象指的是Paragraph对象中相同样式的连续文字,如果文字发生样式变化,Python将以新的Run对象代表。

2. 读取Word文件内容

  • 读取简单word文件
# author:mlnt
# createdate:2022/8/15
import docx  # 导入docx模块

# 1.创建docx对象
document = docx.Document('test.docx')

# 2.获得Paragraph和Run数量
# 使用len()方法获得Paragraph数量
paragraph_count = len(document.paragraphs)
print(f'段落数:{paragraph_count}')
for i in range(0, paragraph_count):
    # 获取Paragraph的Run数量
    paragraph_run_count = len(document.paragraphs[i].runs)  # i为Paragraph编号
    print(document.paragraphs[i].text)  # 打印Paragraph内容
    print(document.paragraphs[i].runs[i].text)  # 打印第i段第i个Run内容


def getFile(filename):
    """读取文件与适度编辑文件"""
    document = docx.Document(filename)  # 建立Word文件对象
    content = []
    for paragraph in document.paragraphs:
        print(paragraph.text)  # 输出文件所读取的Paragraph内容
        content.append(paragraph.text)  # 将每一段Paragraph组成列表
    return '\n\n'.join(content)  # 将列表转成字符串并隔行输出


print(getFile('test.docx'))
# 存储文件
document.save('out_test.docx')  # 将文件复制到新文件

test.docx:
python处理word文档,学习笔记,Python,python,word,python-docx

out_test.docx
python处理word文档,学习笔记,Python,python,word,python-docx

  • 读取含表格的word文档内容
# author:mlnt
# createdate:2022/8/15
import docx  # 导入docx模块
from docx.document import Document
from docx.oxml import CT_P, CT_Tbl
from docx.table import _Cell, Table, _Row
from docx.text.paragraph import Paragraph


def iter_block_items(parent):
    """
    依次遍历文档内容
    按文档顺序生成对父级中每个段落和表子级的引用。
    每个返回值都是表或段落的实例。
    父对象通常是对主文档对象的引用,但也适用于_Cell对象,它本身可以包含段落和表格。
    :param parent:
    :return:
    """
    # 判断传入的是否为word文档对象,是则获取文档内容的全部子对象
    if isinstance(parent, Document):
        parent_elm = parent.element.body
    # 判断传入的是否为单元格,是则获取单元格内全部子对象
    elif isinstance(parent, _Cell):
        parent_elm = parent.tc
    # 判断是否为表格行
    elif isinstance(parent, _Row):
        parent_elm = parent.tr
    else:
        raise ValueError("something's not right")

    # 遍历全部子对象
    for child in parent_elm.iterchildren():
        # 判断是否为段落,是则返回段落对象
        if isinstance(child, CT_P):
            yield Paragraph(child, parent)
        # 判断是否为表格,是则返回表格对象
        if isinstance(child, CT_Tbl):
            yield Table(child, parent)


# 1.创建docx对象
document = docx.Document('test.docx')
# 遍历word文档,最后调用函数没有返回值时停止遍历
for block in iter_block_items(document):
    # 判断是否为段落
    if isinstance(block, Paragraph):
        print(block.text)
    # 判断是否为表格
    elif isinstance(block, Table):
        for row in block.rows:
            row_data = []
            for cell in row.cells:
                for paragraph in cell.paragraphs:
                    row_data.append(paragraph.text)
            print("\t".join(row_data))

测试文档:
python处理word文档,学习笔记,Python,python,word,python-docx
读取效果:
python处理word文档,学习笔记,Python,python,word,python-docx

3. 创建文件内容

  • 创建docx对象

    # 1.创建docx对象
    document = docx.Document()
    
  • 设置页面

    # 设置页眉
    run_header = document.sections[0].header.paragraphs[0].add_run("test")
    document.sections[0].header.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    
  • 添加标题

    # 2.添加标题
    """
    add_heading():建立标题
    - document.add_heading('content_of_heading', level=n)
    """
    document.add_heading('侠客行', level=1)  # 标题1格式
    document.add_heading('李白', level=2)   # 标题2格式
    
  • 添加段落

    # 3.添加段落
    # 创建段落对象
    """
    add_paragraph():建立段落Paragraph内容
    - document.add_paragraph('paragraph_content')
    """
    paragraph_object = document.add_paragraph('赵客缦胡缨,吴钩霜雪明。')
    document.add_paragraph('银鞍照白马,飒沓如流星。')
    document.add_paragraph('十步杀一人,千里不留行。')
    document.add_paragraph('事了拂衣去,深藏身与名。')
    document.add_paragraph('闲过信陵饮,脱剑膝前横。')
    document.add_paragraph('将炙啖朱亥,持觞劝侯嬴。')
    document.add_paragraph('三杯吐然诺,五岳倒为轻。')
    document.add_paragraph('眼花耳热后,意气素霓生。')
    document.add_paragraph('救赵挥金槌,邯郸先震惊。')
    document.add_paragraph('千秋二壮士,烜赫大梁城。')
    document.add_paragraph('纵死侠骨香,不惭世上英。')
    document.add_paragraph('谁能书阁下,白首太玄经。')
    prior_paragraph_object = paragraph_object.insert_paragraph_before('')  # 在paragraph前插入新段落
    
  • 建立Run内容,设置样式

    # 4.建立Run内容
    """
    Paragraph是由Run组成,使用add_run()方法可以在Paragraph中插入内容,语法如下:
    paragraph_object.add_run('run_content')
    """
    run1 = prior_paragraph_object.add_run('*'*13)
    run2 = prior_paragraph_object.add_run('%'*13)
    # 设置Run的样式
    """
    bold: 加粗
    italic:斜体
    underline:下划线
    strike:删除线
    """
    run1.bold = True
    run2.underline = True
    
    # 设置段落居中对齐
    for i in range(len(document.paragraphs)):
        document.paragraphs[i].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    
  • 添加换页符

    # 5.添加换页符
    # add_page_break()
    document.add_page_break()
    
  • 插入图片

    # 6.插入图片
    # add_picture(),调整图片宽高需导入docx.shared模块
    document.add_picture('libai.jpeg', width=Pt(200), height=Pt(300))
    
    # 设置居中对齐
    document.paragraphs[len(document.paragraphs)-1].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    
  • 创建表格,添加数据并设置简单样式

    # 7.创建表格
    """
    add_table(rows=n, cols=m)
    """
    table = document.add_table(rows=2, cols=5)
    # 添加表格内容
    # 添加第1行数据
    row = table.rows[0]
    row.cells[0].text = '姓名'
    row.cells[1].text = '字'
    row.cells[2].text = '号'
    row.cells[3].text = '所处时代'
    row.cells[4].text = '别称'
    # 添加第2行数据
    row = table.rows[1]
    row.cells[0].text = '李白'
    row.cells[1].text = '太白'
    row.cells[2].text = '青莲居士'
    row.cells[3].text = '唐朝'
    row.cells[4].text = '诗仙'
    
    # 插入行
    new_row = table.add_row()  # 增加表格行
    new_row.cells[0].text = '白居易'
    new_row.cells[1].text = '乐天'
    new_row.cells[2].text = '香山居士'
    new_row.cells[3].text = '唐朝'
    new_row.cells[4].text = '诗魔'
    
    # 插入列
    new_column = table.add_column(width=Inches(1))  # 增加表格列
    new_column.cells[0].text = '代表作'
    new_column.cells[1].text = '《侠客行》、《静夜思》'
    new_column.cells[2].text = '《长恨歌》、《琵琶行》'
    
    # 计算表格的rows和cols的长度
    rows = len(table.rows)
    cols = len(table.columns)
    print(f'rows: {rows}')
    print(f'columns: {cols}')
    
    # 打印表格内容
    # for row in table.rows:
    #     for cell in row.cells:
    #         print(cell.text)
    
    # 设置表格样式
    # table.style = 'LightShading-Accent1'
    # UserWarning: style lookup by style_id is deprecated. Use style name as key instead.
    table.style = 'Light Shading Accent 1'
    # 循环将每一行,每一列都设置为居中
    for r in range(rows):
        for c in range(cols):
            table.cell(r, c).vertical_alignment = WD_CELL_VERTICAL_ALIGNMENT.CENTER  # 垂直居中
            table.cell(r, c).paragraphs[0].paragraph_format.alignment = WD_TABLE_ALIGNMENT.CENTER  # 水平居中
    
  • 设置页码并保存

    # 设置页码
    add_page_number(document.sections[0].footer.paragraphs[0])
    # 保存文件
    document.save('test2.docx')
    
  • 设置页码的代码(page_num.py)

    from docx import Document
    from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
    from docx.oxml import OxmlElement, ns
    
    
    def create_element(name):
        return OxmlElement(name)
    
    
    def create_attribute(element, name, value):
        element.set(ns.qn(name), value)
    
    
    def add_page_number(paragraph):
        paragraph.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
    
        page_run = paragraph.add_run()
        t1 = create_element('w:t')
        create_attribute(t1, 'xml:space', 'preserve')
        t1.text = 'Page '
        page_run._r.append(t1)
    
        page_num_run = paragraph.add_run()
    
        fldChar1 = create_element('w:fldChar')
        create_attribute(fldChar1, 'w:fldCharType', 'begin')
    
        instrText = create_element('w:instrText')
        create_attribute(instrText, 'xml:space', 'preserve')
        instrText.text = "PAGE"
    
        fldChar2 = create_element('w:fldChar')
        create_attribute(fldChar2, 'w:fldCharType', 'end')
    
        page_num_run._r.append(fldChar1)
        page_num_run._r.append(instrText)
        page_num_run._r.append(fldChar2)
    
        of_run = paragraph.add_run()
        t2 = create_element('w:t')
        create_attribute(t2, 'xml:space', 'preserve')
        t2.text = ' of '
        of_run._r.append(t2)
    
        fldChar3 = create_element('w:fldChar')
        create_attribute(fldChar3, 'w:fldCharType', 'begin')
    
        instrText2 = create_element('w:instrText')
        create_attribute(instrText2, 'xml:space', 'preserve')
        instrText2.text = "NUMPAGES"
    
        fldChar4 = create_element('w:fldChar')
        create_attribute(fldChar4, 'w:fldCharType', 'end')
    
        num_pages_run = paragraph.add_run()
        num_pages_run._r.append(fldChar3)
        num_pages_run._r.append(instrText2)
        num_pages_run._r.append(fldChar4)
    
  • 完整代码

    import docx
    from docx.enum.table import WD_TABLE_ALIGNMENT, WD_CELL_VERTICAL_ALIGNMENT
    from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
    from docx.shared import Pt, Inches
    from page_num import add_page_number
    
    # 1.创建docx对象
    document = docx.Document()
    
    # 设置页眉
    run_header = document.sections[0].header.paragraphs[0].add_run("test")
    document.sections[0].header.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    print(len(document.sections))
    
    # 2.添加标题
    """
    add_heading():建立标题
    - document.add_heading('content_of_heading', level=n)
    """
    document.add_heading('侠客行', level=1)  # 标题1格式
    document.add_heading('李白', level=2)   # 标题2格式
    
    # 3.添加段落
    # 创建段落对象
    """
    add_paragraph():建立段落Paragraph内容
    - document.add_paragraph('paragraph_content')
    """
    paragraph_object = document.add_paragraph('赵客缦胡缨,吴钩霜雪明。')
    document.add_paragraph('银鞍照白马,飒沓如流星。')
    document.add_paragraph('十步杀一人,千里不留行。')
    document.add_paragraph('事了拂衣去,深藏身与名。')
    document.add_paragraph('闲过信陵饮,脱剑膝前横。')
    document.add_paragraph('将炙啖朱亥,持觞劝侯嬴。')
    document.add_paragraph('三杯吐然诺,五岳倒为轻。')
    document.add_paragraph('眼花耳热后,意气素霓生。')
    document.add_paragraph('救赵挥金槌,邯郸先震惊。')
    document.add_paragraph('千秋二壮士,烜赫大梁城。')
    document.add_paragraph('纵死侠骨香,不惭世上英。')
    document.add_paragraph('谁能书阁下,白首太玄经。')
    prior_paragraph_object = paragraph_object.insert_paragraph_before('')  # 在paragraph前插入新段落
    # 4.建立Run内容
    """
    Paragraph是由Run组成,使用add_run()方法可以在Paragraph中插入内容,语法如下:
    paragraph_object.add_run('run_content')
    """
    run1 = prior_paragraph_object.add_run('*'*13)
    run2 = prior_paragraph_object.add_run('%'*13)
    # 设置Run的样式
    """
    bold: 加粗
    italic:斜体
    underline:下划线
    strike:删除线
    """
    run1.bold = True
    run2.underline = True
    
    # 设置段落居中对齐
    for i in range(len(document.paragraphs)):
        document.paragraphs[i].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    
    # 5.添加换页符
    # add_page_break()
    document.add_page_break()
    # print(len(document.paragraphs))
    # 6.插入图片
    # add_picture(),调整图片宽高需导入docx.shared模块
    document.add_picture('libai.jpeg', width=Pt(200), height=Pt(300))
    
    # 设置居中对齐
    document.paragraphs[len(document.paragraphs)-1].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐
    
    # 7.创建表格
    """
    add_table(rows=n, cols=m)
    """
    table = document.add_table(rows=2, cols=5)
    # 添加表格内容
    # 添加第1行数据
    row = table.rows[0]
    row.cells[0].text = '姓名'
    row.cells[1].text = '字'
    row.cells[2].text = '号'
    row.cells[3].text = '所处时代'
    row.cells[4].text = '别称'
    # 添加第2行数据
    row = table.rows[1]
    row.cells[0].text = '李白'
    row.cells[1].text = '太白'
    row.cells[2].text = '青莲居士'
    row.cells[3].text = '唐朝'
    row.cells[4].text = '诗仙'
    
    # 插入行
    new_row = table.add_row()  # 增加表格行
    new_row.cells[0].text = '白居易'
    new_row.cells[1].text = '乐天'
    new_row.cells[2].text = '香山居士'
    new_row.cells[3].text = '唐朝'
    new_row.cells[4].text = '诗魔'
    
    # 插入列
    new_column = table.add_column(width=Inches(1))  # 增加表格列
    new_column.cells[0].text = '代表作'
    new_column.cells[1].text = '《侠客行》、《静夜思》'
    new_column.cells[2].text = '《长恨歌》、《琵琶行》'
    
    # 计算表格的rows和cols的长度
    rows = len(table.rows)
    cols = len(table.columns)
    print(f'rows: {rows}')
    print(f'columns: {cols}')
    
    # 打印表格内容
    # for row in table.rows:
    #     for cell in row.cells:
    #         print(cell.text)
    
    # 设置表格样式
    # table.style = 'LightShading-Accent1'
    # UserWarning: style lookup by style_id is deprecated. Use style name as key instead.
    table.style = 'Light Shading Accent 1'
    # 循环将每一行,每一列都设置为居中
    for r in range(rows):
        for c in range(cols):
            table.cell(r, c).vertical_alignment = WD_CELL_VERTICAL_ALIGNMENT.CENTER  # 垂直居中
            table.cell(r, c).paragraphs[0].paragraph_format.alignment = WD_TABLE_ALIGNMENT.CENTER  # 水平居中
    
    # 设置页码
    add_page_number(document.sections[0].footer.paragraphs[0])
    # 保存文件
    document.save('test2.docx')
    

    效果:
    python处理word文档,学习笔记,Python,python,word,python-docx文章来源地址https://www.toymoban.com/news/detail-660740.html


参考:
  • https://blog.csdn.net/m0_62184088/article/details/122522009
  • https://www.cnpython.com/qa/1290238
  • https://blog.csdn.net/qq_39147299/article/details/125544621
  • https://blog.csdn.net/hwwaizs/article/details/121186150
  • https://blog.csdn.net/I_fole_you/article/details/121028608
  • python-docx官方文档:https://python-docx.readthedocs.io/en/latest/
  • https://blog.csdn.net/qq_38870145/article/details/124076591
  • https://www.cnblogs.com/wl0924/p/16531087.html
  • https://blog.csdn.net/qq_39905917/article/details/83503486
  • https://qa.1r1g.com/sf/ask/2046849521/

到了这里,关于使用Python处理Word文件的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • python实现图片式PDF转可搜索word文档[OCR](已打包exe文件)

    目录  1、介绍 1.1、痛点 1.2、程序介绍 2、安装方式 2.1、🔺必要环节 2.2、脚本安装 2.2.1、不太推荐的方式 2.2.2、节约内存的方式 2.3、⭐完整版安装 3、使用 3.1、最终文件目录 3.2、主程序 3.2.1、绝对路径 3.2.2、是否为书籍 3.2.3、⭐截取区域 3.2.4、⭐进程数 3.3、运行完成 3.4、

    2024年01月19日
    浏览(78)
  • Python打开文件并进行处理,txt、excel、pdf、word!

    在办公处理中,我们常常要打开一些文件,面临大量的数据时,传统的人工方法耗时耗力。在python中,有一系列包装好的库,让我们能够很方便的操作各种类型的文件。当然,python的内置函数也能够很好的打开一些文件。本文主要探讨python打开各类文件的方式。本文介绍的主

    2023年04月08日
    浏览(95)
  • 【python】使用docx获取word文档的标题等级、大纲等级和编号等级

    在Microsoft Word中: 【标题X】是一个样式,一般来说,【标题1】样式的大纲级别是1级。 大纲级别一般用于页面导航和生成目录。可以右键文字-段落里查看/设置大纲的级别。设置成【x级】后左侧导航栏就会显示。 编号等级就是大家熟知的项目编号,常用于正文。 基本没有一

    2024年02月03日
    浏览(43)
  • 使用Python批量将Word文件转为PDF文件

    说明:在使用Minio服务器时,无法对word文件预览,如果有需要的话,可以将word文件转为pdf文件,再存储到Minio中,本文介绍如何批量将word文件,转为pdf格式的文件; 首先,需要安装一个库, pywin32 ; 可以在cmd窗口敲下面的命令安装,使用阿里云镜像: 如果你使用的是pycha

    2024年02月12日
    浏览(60)
  • python创建word文档并向word中写数据

            python创建word文档需要用到docx库,安装命令如下:         注意,安装的是python-docx。         使用方法有很多,这里只介绍创建文档并向文档中写入数据。         存在一个csv文件,格式如下:         现在需要读取其中的username和content字段,并按照username和co

    2024年04月14日
    浏览(50)
  • Python读取Word文档内容

    Python读取Word文档内容 在Python中,我们可以使用Python-docx模块来读取Word文档内容。这个模块提供了一种方法,即使用Python代码来读取和编辑Word文档。 安装Python-docx模块 要使用Python-docx模块,我们需要先安装它。可以使用以下命令来安装Python-docx模块: 读取Word文档 我们首先需

    2024年02月07日
    浏览(43)
  • Word处理控件Aspose.Words功能演示:使用 C# 在 Word 文档中创建和修改 VBA 宏

    Aspose.Words 是一种高级Word文档处理API,用于执行各种文档管理和操作任务。API支持生成,修改,转换,呈现和打印文档,而无需在跨平台应用程序中直接使用Microsoft Word。此外, Aspose API支持流行文件格式处理,并允许将各类文档导出或转换为固定布局文件格式和最常用的图像

    2024年02月03日
    浏览(43)
  • Python获取豆丁文档数据内容, 保存word文档

    前言 嗨喽,大家好呀~这里是爱看美女的茜茜呐 开发环境: python 3.8 pycharm 模块使用: requests -- pip install requests re base64 docx -- pip install python-docx 第三方模块安装方法: win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源) 准备工作 在

    2024年02月13日
    浏览(57)
  • chatgpt赋能python:Python如何打开Word文档?

    Python 是一种强大的编程语言,可以帮助我们完成各种重复性工作,其中包括自动化文件的处理。在这篇文章中,我们将学习如何使用 Python 打开 Word 文档。本文将介绍三种不同的方式:使用 Python 原生模块、使用第三方库 PyWin32 和使用另一种第三方库 python-docx。 Python 原生模块

    2024年02月03日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包