處理Word文檔

利用python-docx子產品，Python可以建立和修改Word文檔，它帶有.docx檔案擴充名。運作pip install python-docx，可以安裝該子產品。

在導入pytho-docx子產品時，需要執行import docx,而不是import python-docx。

和純文字相比，.docx檔案有很多結構。這些結構在python-docx中用3種不同的類型來表示。在最高一層，Document對象表示整個文檔。Document對象包含一個Paragraph對象的清單，表示文檔中的段落。每一個Paragraph對象都包含一個Run對象的清單。

Word文檔中的文本不僅僅是字元串。它包含與之相關的字型、大小、顔色和其他樣式資訊。在Word中，樣式是這些屬性的集合。一個Run對象是相同樣式文本的延續。當文本樣式發生改變時，就需要一個新的Run對象。

<code>c:\python\Scripts>pip3.6 </code><code>install</code> <code>python-docx</code>

<code>Collecting python-docx</code>

<code> </code><code>Downloading python-docx-0.8.6.</code><code>tar</code><code>.gz (5.3MB)</code>

<code>Collecting lxml>=2.3.2 (from python-docx)</code>

<code> </code><code>Downloading lxml-4.1.1-cp36-cp36m-win_amd64.whl (3.5MB)</code>

<code>Installing collected packages: lxml, python-docx</code>

<code> </code><code>Running setup.py </code><code>install</code> <code>for</code> <code>python-docx ... </code><code>done</code>

<code>Successfully installed lxml-4.1.1 python-docx-0.8.6</code>

讀取Word文檔

使用len()得到paragraphs的個數。

每個paragraph對象都有一個text屬性，包含該段中的文本的字元串（沒有樣式資訊）。

每個paragraph對象也有一個runs屬性，它是run對象的清單。

run對象也有一個text屬性，包含那個延續中的文本。

run表示的是不同樣式的文本。

<code>c:\python>python</code>

<code>Python </code><code>3.6</code><code>.</code><code>1</code> <code>(v3.</code><code>6.1</code><code>:</code><code>69c0db5</code><code>, Mar </code><code>21</code> <code>2017</code><code>, </code><code>18</code><code>:</code><code>41</code><code>:</code><code>36</code><code>) [MSC v.</code><code>1900</code> <code>64</code> <code>bit (AMD64)] on win32</code>

<code>Type</code> <code>"help"</code><code>, </code><code>"copyright"</code><code>, </code><code>"credits"</code> <code>or</code> <code>"license"</code> <code>for</code> <code>more information.</code>

<code>>>> </code><code>import</code> <code>docx</code>

<code>>>> doc</code><code>=</code><code>docx.Document(</code><code>'Gettysburg Address.docx'</code><code>)</code>

<code>>>> </code><code>len</code><code>(doc.paragraphs)</code>

<code>>>> doc.paragraphs[</code><code>0</code><code>].text</code>

<code>'Four score and seven years ago our fathers brought forth on this continent, a new nation, conceived in Liberty, and dedicated to the proposition that all men are created equal.'</code>

<code>>>> doc.paragraphs[</code><code>-</code><code>1</code><code>].text</code>

<code>>>> </code><code>len</code><code>(doc.paragraphs[</code><code>0</code><code>].runs)</code>

<code>>>> doc.paragraphs[</code><code>0</code><code>].runs[</code><code>0</code><code>].text</code>

從檔案中取得完整的文本

如果隻關心word文檔中的文本，不關心樣式資訊，就可以利用getText()函數。

它接受一個.docx檔案名，傳回其中文本的字元串。

可以通過在append()方法中增加空格，形成段落縮進。

<code>>>> fullText</code><code>=</code><code>[]</code>

<code>>>> </code><code>for</code> <code>para </code><code>in</code> <code>doc.paragraphs:</code>

<code>... fullText.append(para.text)</code>

<code>>>> </code><code>print</code><code>(fullText)</code>

<code>[</code><code>'Four score and seven years ago our fathers brought forth on this continent, ......hall not perish from the earth.'</code><code>, '']</code>

設定Paragraph和Run對象的樣式

對于word文檔，有3種類型的樣式：段落樣式可以應用于paragraph對象，字元樣式可以應用于run對象，連結的樣式可以應用于這兩種對象。

在設定style屬性時，不要在樣式名稱中使用空格。

如果對run對象應用連結的樣式，需要在樣式名稱末尾加上‘char’。

在目前版本的python-docx（0.7.4）中，隻能使用預設的word樣式，以及打開的檔案中已有的樣式，不能建立新的樣式。

寫入Word文檔

在添加完文本後，向Document對象的save()方法傳入一個檔案名字元串，将Document對象儲存到檔案。

可以用新的段落文本，再次調用add_paragraph()方法添加段落。

<code>>>> doc.add_paragraph(</code><code>'Hello world!'</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5DD45B70</code><code>></code>

<code>>>> doc.save(</code><code>'newdoc.docx'</code><code>)</code>

效果：

如果要在已有段落的末尾添加文本，可以調用paragraph對象的add_run方法，向它傳入一個字元串。

add_paragraph()和add_run()都接受可選的第二個參數，它是表示Paragraph或Run對象樣式的字元串。

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5D57ABE0</code><code>></code>

<code>>>> paraObj1</code><code>=</code><code>doc.add_paragraph(</code><code>'This is a second paragraph.'</code><code>)</code>

<code>>>> paraObj2</code><code>=</code><code>doc.add_paragraph(</code><code>'This is a yet another paragraph.'</code><code>)</code>

<code>>>> paraObj1.add_run(</code><code>'This text is being added to the second paragraph.'</code><code>)</code>

<code><docx.text.run.Run </code><code>object</code> <code>at </code><code>0x0000019B5DD5B940</code><code>></code>

<code>>>> doc.save(</code><code>'newdoc2.docx'</code><code>)</code>

添加标題

調用add_heading()将添加一個段落，并使用一種标題樣式。

add_heading()的參數，是一個标題文本的字元串，以及一個從0-4的整數。

整數0表示标題是Title樣式，這用于文檔的頂部。

整數1-4是不同的标題層次，1是主要的标題，4是最低層的子标題。

add_heading()傳回一個Paragraph對象。

<code>>>> doc</code><code>=</code><code>docx.Document()</code>

<code>>>> doc.add_heading(</code><code>'Header 0'</code><code>,</code><code>0</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5E1740F0</code><code>></code>

<code>>>> doc.add_heading(</code><code>'Header 1'</code><code>,</code><code>1</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5E1740B8</code><code>></code>

<code>>>> doc.add_heading(</code><code>'Header 2'</code><code>,</code><code>2</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5E174978</code><code>></code>

<code>>>> doc.add_heading(</code><code>'Header 3'</code><code>,</code><code>3</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5E174198</code><code>></code>

<code>>>> doc.add_heading(</code><code>'Header 4'</code><code>,</code><code>4</code><code>)</code>

<code>>>> doc.save(</code><code>'headings.docx'</code><code>)</code>

添加換行符和換頁符

要添加換行符，可以在run對象上調用add_break()方法。

要添加換頁符，可以将docx.text.WD_BREAK.PAGE作為唯一的參數，傳遞給add_break()。

<code>>>> doc.add_paragraph(</code><code>'This is on the first page!'</code><code>)</code>

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5DD5B400</code><code>></code>

<code>>>> doc.paragraphs[</code><code>0</code><code>].runs[</code><code>0</code><code>].add_break()</code>

<code>>>> doc.add_paragraph(</code><code>'This is the new text!'</code><code>)</code>

<code>>>> doc.save(</code><code>'break.docx'</code><code>)</code>

添加圖像

Document對象有一個add_picture()方法，在文檔末尾添加圖像。

<code><docx.text.paragraph.Paragraph </code><code>object</code> <code>at </code><code>0x0000019B5E189080</code><code>></code>

<code>>>> doc.add_picture(</code><code>'123.jpg'</code><code>,width</code><code>=</code><code>docx.shared.Inches(</code><code>1</code><code>),height</code><code>=</code><code>docx.shared.Cm(</code><code>4</code><code>))</code>

<code><docx.shape.InlineShape </code><code>object</code> <code>at </code><code>0x0000019B5E1899E8</code><code>></code>

<code>>>> doc.save(</code><code>'picture.docx'</code><code>)</code>

本文轉自Grodd51CTO部落格，原文連結：http://blog.51cto.com/juispan/2053946，如需轉載請自行聯系原作者

處理Word文檔

繼續閱讀

來自python的【條件控制/語句循環/break/continue/else/pass】一、條件控制二、語句循環

無法解析的外部符号 wmain，該符号在函數 "void cdecl mainCRTStartupHelper(struct HINSTANCE *,unsigned short con......

TestLink導出用例轉換工具(XML2Excel)

YAML簡介和PyYAML安全操作YAML支援的類型YAML的優點：yaml的基本文法python操作

Small tricks

libsvm for python 安裝

學習軟體測試基礎測試第七天

Zeppelin 配置通路 REST APIApache Zeppelin Configuration REST API

【Torch】最簡潔logging使用指南

27. Remove Element(清單)題目代碼

Cloud Studio初體驗

使用 ctypes 進行 Python 和 C 的混合程式設計

【python】【資料處理】畫多元資料分布圖

【python】netconf協定對接管理裝置

「Python 網絡自動化」NETCONF —— Python 使用 NETCONF 管理配置 H3C 網絡裝置

在python中建立excel并寫入