Python—word文件操作

小序

赌书消得泼茶香，
当时只道是寻常。

本篇涉及Python的文件操作，尤指对word文件的操作
涉及文本读写与正则表达式的文本处理
基础的内容可看之前的 Python文件 管理文章

正文

本文就对word 文档的读写和处理进行阐述

简单实现

要读取.doc文件的内容，可以使用Python的python-docx库。
python-docx库是一个用于读取和操作Microsoft Word文件的库。
以下是一个示例，展示如何使用python-docx库读取.doc文件的内容：

首先，确保已经安装了python-docx库。可以使用以下命令进行安装：

pip install python-docx

然后，使用以下代码读取.doc文件的内容

from docx import Document

# 打开.doc文件
doc = Document('example.doc')

# 读取每个段落的内容
for paragraph in doc.paragraphs:
    print(paragraph.text)

在上面的代码中，我们首先导入Document类和docx模块。
然后，使用Document类打开.doc文件，并将其赋值给doc变量。
接下来，使用for循环遍历doc.paragraphs，其中doc.paragraphs是一个包含所有段落的列表。
在循环中，我们使用paragraph.text来获取每个段落的文本内容，并打印出来。
运行上面的代码，将输出.doc文件中每个段落的内容。

请注意，python-docx库仅支持.docx文件格式，不支持旧的.doc二进制文件格式。如果要读取旧的.doc文件，可以尝试使用其他库，如pywin32或python-doc。

复杂文本处理示例

doc文件中有名词解释，怎么实现读取和正确分配好每个名词的解释

要实现读取.doc文件中的名词解释并正确分配每个名词的解释，可以使用一些文本处理技术，如关键词匹配或自然语言处理。以下是一个示例，展示如何使用Python来实现

import re
from docx import Document

# 打开.doc文件
doc = Document('example.doc')

# 定义名词和解释的字典
definitions = {
    "academic departments": "",
    "academic titles": ""
}

# 读取每个段落的内容
for paragraph in doc.paragraphs:
    text = paragraph.text
    
    # 匹配名词和解释
    for term, definition in definitions.items():
        if term.lower() in text.lower():
            # 提取解释
            match = re.search(r"(?i)" + term + r":\s*(.*)", text)
            if match:
                definition = match.group(1)
                definitions[term] = definition

# 打印名词和解释
for term, definition in definitions.items():
    print(term + ": " + definition)

在上面的代码中，我们首先导入re模块和Document类。然后，使用Document类打开.doc文件，并将其赋值给doc变量。接下来，我们定义了一个名词和解释的字典definitions，其中名词作为键，初始解释为空字符串。

在循环中，我们遍历doc.paragraphs，并使用re.search()函数在每个段落的文本中进行匹配。如果匹配到了名词，我们使用正则表达式提取解释，并更新对应名词的解释。

最后，我们打印出每个名词和对应的解释。

利用Python 实现文档编写

from docx import Document
from docx.shared import Pt
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

# 创建一个新的Word文档
doc = Document()

# 添加标题
title = doc.add_paragraph()
title_run = title.add_run('Document Title')
title_run.bold = True
title_run.font.size = Pt(16)
title.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 添加段落
paragraph = doc.add_paragraph('This is a paragraph.')

# 添加列表
doc.add_paragraph('This is a bullet point.', style='List Bullet')
doc.add_paragraph('This is a numbered point.', style='List Number')

# 添加表格
table = doc.add_table(rows=3, cols=3)
table.cell(0, 0).text = 'Cell 1'
table.cell(0, 1).text = 'Cell 2'
table.cell(0, 2).text = 'Cell 3'
table.cell(1, 0).text = 'Cell 4'
table.cell(1, 1).text = 'Cell 5'
table.cell(1, 2).text = 'Cell 6'

doc.save('output.docx')

output.docx 结果

插入图片

要在Word文档中插入图片，可以使用docx库的add_picture()方法。

以下是一个示例代码，演示了如何将图片插入到Word文档中

from docx import Document

# 创建一个新的Word文档
doc = Document()

# 插入图片
doc.add_picture('image.jpg', width=doc.shared.Cm(10), height=doc.shared.Cm(10))

# 保存文档
doc.save('output.docx')

在上面的代码中，我们假设有一张名为image.jpg的图片文件，它位于当前工作目录中。
代码使用add_picture()方法将该图片插入到Word文档中。
width和height参数用于设置图片的宽度和高度，这里我们将宽度和高度都设置为10厘米

最后，使用save()方法将生成的Word文档保存为output.docx文件。

简单总结

具体的文档操作依据本人的需求有着不同的方法，读者可依据自己的具体需求进行尝试和练习
学会利用Python 进行文档操作，实质上节省了不少的气力

当然，更多的是读取文件/处理后写入文件
这大多都应用了数据库的操作
下面，我用我的实际案例来展示一下 读取内容–> 处理内容 --> 写入数据库 的过程

import pymysql
from docx import Document


def save_to_database(first_word, words, words_exp):
    db = pymysql.connect(
    host='localhost',
    port=3306,
    user='xxx',
    passwd='xxx',
    database='xxx',
    charset='utf8'
    )

    cur = db.cursor()
    cur.execute("insert into table_name(w1, w2, w3) values (%s, %s, %s)",(w1, w2, w3))

    db.commit()


def get_information():
    file_path = 'xxx'

    # 打开文件
    doc = Document(file_path)

    # 以下为方便判断和顺利分开读取信息 
    # explain 为每个词语的解释  list 索引词  dict为存储正式的词与解释

    explain = ''
    list = []
    dict = {}

    # 读取每个段落的内容
    for paragraph in doc.paragraphs:

        text = paragraph.text

        if is_text_bold(paragraph):
            if not list:
                list.append(text)
            
            else:
                dict[list[0]] = explain
                list = []
                explain = ''
                list.append(text)
            
        else:
            if text == ' ':
                continue
            explain = explain + text + '\n'

            
    dict[list[0]] = explain

    return dict  




# 判断是否为大写
def is_text_bold(paragraph):
    for run in paragraph.runs:
        if run.bold:
            return True
    return False


def save():
    dict = get_information()

    # 遍历取键和值
    for key, value in dict.items():
        first_word = key[0].upper()

        
        save_to_database(first_word, key, value)

save()

处理的内容如上，为 专业词 和 相关解释
（内容涉及隐私，就不再上传了）
最终插入数据库，便于后续的编程

只能说尝试过，实验过，自然就能掌握的更为顺畅

结束语

偷偷挤进一缕斜阳，送来满满幸福
盼一切顺利~