很久之前的一次为了应付检查,使用vb脚本还是什么来着搞了个文档名称和文档内关键词对比的小脚本,确认文档名称和文档内的关键词是否符合要求,由于当时是通过调用win下的word程序本身来进行的,因此效率比较低,相当于每次都要打开word程序对源文件进行处理后才能得出结果,脚本下对比完之后也很难进一步操作修改。
这几天闲来无事就想起来了这个事,就在网上搜索了一些,发现了可用于编辑word的python库,这就为我们进行文档的自动化操作提供了可能性,本文将对其基本功能和操作进行简单介绍,主要是参考官网给出的例子。
python-docx 官网 https://python-docx.readthedocs.io/en/latest/
安装
pip install python-docx
这个安装源好像不是很稳定,我来回试了三次才成功,如果pip安装不成功可以通过下载安装包后手动安装
tar xvzf python-docx-{version}.tar.gz
cd python-docx-{version}
python setup.py install
安装完成后显示
Collecting python-docx
Downloading https://files.pythonhosted.org/packages/e4/83/c66a1934ed5ed8ab1dbb9931f1779079f8bca0f6bbc5793c06c4b5e7d671/python-docx-0.8.10.tar.gz (5.5MB)
100% |████████████████████████████████| 5.5MB 12kB/s
Requirement already satisfied: lxml>=2.3.2 in ./anaconda3/lib/python3.7/site-packages (from python-docx) (4.2.5)
Building wheels for collected packages: python-docx
Running setup.py bdist_wheel for python-docx ... done
Stored in directory: /home/.cache/pip/wheels/18/0b/a0/1dd62ff812c857c9e487f27d80d53d2b40531bec1acecfa47b
Successfully built python-docx
Installing collected packages: python-docx
Successfully installed python-docx-0.8.10
简单使用
安装完成后就试一下吧,在jupyter notebook中进行测试
from docx import Document
from docx.shared import Inches
document = Document()
document.add_heading('Document Title', 0)
p = document.add_paragraph('A plain paragraph having some ')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True
document.add_heading('Heading, level 1', level=1)
document.add_paragraph('Intense quote', style='Intense Quote')
document.add_paragraph(
'first item in unordered list', style='List Bullet'
)
document.add_paragraph(
'first item in ordered list', style='List Number'
)
document.add_picture('123.jpg', width=Inches(1.25))
records = (
(3, '101', 'Spam'),
(7, '422', 'Eggs'),
(4, '631', 'Spam, spam, eggs, and spam')
)
table = document.add_table(rows=1, cols=3)
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'Qty'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for qty, id, desc in records:
row_cells = table.add_row().cells
row_cells[0].text = str(qty)
row_cells[1].text = id
row_cells[2].text = desc
document.add_page_break()
document.save('demo.docx')
在上面的例子里,其中
document.add_picture('123.jpg', width=Inches(1.25))
表示插入一个图片,要保证工作目录里面有这个图片,否则就会报错
这个例子里面同时包含了对于文档标题、表格等元素的操作过程
运行后可以发现生成了demo.docx这个文档
通过下面的代码可以查看不同段落中的文字(序号从0开始)
document.paragraphs[2].text
展望
这里主要引用官方的例子进行了简单介绍,后面可以根据实际需求进行开发
此外,之前已经通过另外一个库实现了对pdf的操作,未来再看看xls文件等常用文档格式类型,形成对不同格式文档的自动化编辑工具