利用python批量处理Word文件——正文、标题

前面写了如何处理word中的表格：利用python批量处理Word文件——表格 ,其实我觉得word正文应该很少用到批处理，不过万一有朋友需要呢，我们要处理的文件内容千奇百怪，但我觉得难点其实是如何对我们想处理的内容进行读写，所以这篇博客的主要内容就是word文件的读写。我把word文件中的内容分为三类：一是表格；二是图片；三是其它内容。表格和图片的处理我在另外的博客中有详细说明，这里主要谈谈word正文的读写。

在docx中，Word内容的（除表格、图片）的基本组成是段落，因此word的所有内容都存储在paragraphs中，paragraph有两个属性：一是text，二是style。text存储段落的内容，style判断段落的种类。

1.读取Word内容

1.1读取Word中的表格

利用python-docx批量处理Word文件——表格

1.2读取Word中的图片

利用python-docx批量处理Word文件—图片

1.3读取Word正文

from docx import Document
doc=Document("./a.docx")
for p in doc.paragraphs:
    print(p.text)
           

通过遍历paragraphs就可以获得word中全部内容，有时候我们并不需要读取Word中的所有内容，我们可能只想要某些特殊的内容，比如标题，比如列表，那么docx可否实现呢，答案是肯定的。

1.3.1 读取Word中的标题

• 一级标题

for p in doc.paragraphs:
    if p.style.name=='Heading 1':
        print(p.text)
           

• 二级标题

for p in doc.paragraphs:
    if p.style.name=='Heading 2':
        print(p.text)
           

• 所有标题

import re
for p in doc.paragraphs:
    if re.match("^Heading \d+$",p.style.name):
        print(p.text)
           

1.3.2 读取正文

for p in doc.paragraphs:
    if p.style.name=='Normal':
        print(p.text)
           

1.3.3 其它内容

从前面可以看出，如果知道不同内容的style.name，那么要读这些内容是极其方便的，这些style.name可以通过以下方式得到：

from docx.enum.style import WD_STYLE_TYPE
for i in s:
    if i.type==WD_STYLE_TYPE.PARAGRAPH:
        print(i.name)
           

2.Word写入数据

2.1 标题

写入标题有两种方法

or

2.2 正文

2.3 分页符

2.5 其它

利用add_paragraph可以插入几何所有内容，只指定对应的style即可。

至于写入数据时的格式控制说起来就比较复杂了，我就不详述了，如果大家有需要，可以看下面文档：

1. 最好的学习文档：官方API
2. $用python-docx模块读写word文档
3. 使用Python写入docx文件并控制字体颜色
4. python docx 中文字体设置

网上资料很多，大家有更多需求就自己去找吧，或着留言。