python-docx库读写word文档

python-docx库读写word文档

一、简介

python-docx是利用python来读写word文件的第三方库。

• 开源地址是：https://github.com/python-openxml/python-docx
• 官方教程：https://python-docx.readthedocs.io/en/latest/
• 安装：pip install python-docx

python-docx库读写word文档主要涉及三个结构对象，层层递进。

Document：文档对象

from docx import Document
doc = Document('./test1.docx')   # 打开当前路径下的已有文档
doc = Document()      # 新建一个空白文档

Paragraph：段落对象

文档中的每一段内容，以换行符结尾。

Run：文字块对象

每个Paragraph中的不同部分，叫Run。注意：颜色、字体、粗细、斜体不同，就是不同的文字块。

二、读取word文档内容

利用python-docx库来读取现有的word文档数据，思路是先逐层获取对象，再提取相应对象的text属性。

1.读取纯文字docx文档。

for paragraph in doc.paragraphs:
    print(f'paragraph.text = {
     paragraph.text}')
    for run in paragraph.runs:
        print(f'\trun.text = {
     run.text}')

# output
paragraph.text = 你好，这是第一个测试python-docx库的文档。
	run.text = 你好，这是第一个测试python-docx库的文档。
paragraph.text = 这是第二段落
	run.text = 这是第二段落
paragraph.text = 这是第三段落，粗体、红色
	run.text = 这是第三段落，
	run.text = 粗体
	run.