处理Word文档

利用python-docx模块，Python可以创建和修改Word文档，它带有.docx文件扩展名。运行pip install python-docx，可以安装该模块。

在导入pytho-docx模块时，需要执行import docx,而不是import python-docx。

和纯文本相比，.docx文件有很多结构。这些结构在python-docx中用3种不同的类型来表示。在最高一层，Document对象表示整个文档。Document对象包含一个Paragraph对象的列表，表示文档中的段落。每一个Paragraph对象都包含一个Run对象的列表。

Word文档中的文本不仅仅是字符串。它包含与之相关的字体、大小、颜色和其他样式信息。在Word中，样式是这些属性的集合。一个Run对象是相同样式文本的延续。当文本样式发生改变时，就需要一个新的Run对象。

<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>

读取Word文档

使用len()得到paragraphs的个数。

每个paragraph对象都有一个text属性，包含该段中的文本的字符串（没有样式信息）。

每个paragraph对象也有一个runs属性，它是run对象的列表。

run对象也有一个text属性，包含那个延续中的文本。

run表示的是不同样式的文本。

<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>

从文件中取得完整的文本

如果只关心word文档中的文本，不关心样式信息，就可以利用getText()函数。

它接受一个.docx文件名，返回其中文本的字符串。

可以通过在append()方法中增加空格，形成段落缩进。

<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>

设置Paragraph和Run对象的样式

对于word文档，有3种类型的样式：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。

在设置style属性时，不要在样式名称中使用空格。

如果对run对象应用链接的样式，需要在样式名称末尾加上‘char’。

在当前版本的python-docx（0.7.4）中，只能使用默认的word样式，以及打开的文件中已有的样式，不能创建新的样式。

写入Word文档

在添加完文本后，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。

可以用新的段落文本，再次调用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，可以调用paragraph对象的add_run方法，向它传入一个字符串。

add_paragraph()和add_run()都接受可选的第二个参数，它是表示Paragraph或Run对象样式的字符串。

<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>

添加标题

调用add_heading()将添加一个段落，并使用一种标题样式。

add_heading()的参数，是一个标题文本的字符串，以及一个从0-4的整数。

整数0表示标题是Title样式，这用于文档的顶部。

整数1-4是不同的标题层次，1是主要的标题，4是最低层的子标题。

add_heading()返回一个Paragraph对象。

<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>

添加换行符和换页符

要添加换行符，可以在run对象上调用add_break()方法。

要添加换页符，可以将docx.text.WD_BREAK.PAGE作为唯一的参数，传递给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>

添加图像

Document对象有一个add_picture()方法，在文档末尾添加图像。

<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>

本文转自Grodd51CTO博客，原文链接：http://blog.51cto.com/juispan/2053946，如需转载请自行联系原作者

处理Word文档

继续阅读

来自python的【条件控制/语句循环/break/continue/else/pass】一、条件控制二、语句循环

无法解析的外部符号 wmain，该符号在函数 "void cdecl mainCRTStartupHelper(struct HINSTANCE *,unsigned short con......

TestLink导出用例转换工具(XML2Excel)

YAML简介和PyYAML安全操作YAML支持的类型YAML的优点：yaml的基本语法python操作

Small tricks

libsvm for python 安装

学习软件测试基础测试第七天

Zeppelin 配置访问 REST APIApache Zeppelin Configuration REST API

【Torch】最简洁logging使用指南

27. Remove Element(列表)题目代码

Cloud Studio初体验

使用 ctypes 进行 Python 和 C 的混合编程

【python】【数据处理】画多维数据分布图

【python】netconf协议对接管理设备

「Python 网络自动化」NETCONF —— Python 使用 NETCONF 管理配置 H3C 网络设备

在python中创建excel并写入