点击上方“Python爬虫与数据挖掘”，进行关注
回复“书籍”即可获赠Python从入门到进阶共10本电子书
今
日
鸡
汤
莫学武陵人，暂游桃源里。
大家好，我是宿者朽命，微信名是【🌑（这是月亮的背面）】，今天给大家分享使用python的zipfile模块巧解word批量生成问题，这里提供两种方案给大家参考。
方案一：使用python-docx.Document读取word文档
方案二：zipfile巧解word文档
平台：windows10
解释器：python3.7
任务需求
现有一包含目标数据的excel文档，需要将其中的每一行数据的对应内容替换到指定word中，并逐一保存。
任务拆解
首先查看word文档格式，可以看到文件后缀为.doc，需要替换的是正文部分红框中的英文部分。
目标数据excel文档，将excel中的对应列下的数据替换到word文档中。
excel数据比较规整无需二次处理，如果列名与word文档中不对应或者没有，则需要调整或新增。如此一来只要考虑如何读取doc文件并按一定逻辑进行替换即可。
任务方案
方案一：使用python-docx.Document读取word文档
在这次需求之前我并没有用过python操作word文档，感谢交流群内各位大佬相助，从Python+Excel+Word一秒制作百份合同文章中虽然跟着步伐编写代码，而当执行时报错了，目标字符串没有被替换上等等。
问题一：模块安装错误，文章中import docx，我误以为pip install docx就行了，而调用Document类时，发现模块下无该类，遂进行百度，应当时pip install python-docx，import docx。
问题二：python-docx模块不能操作doc文档，上述已提到，本次处理的word文档为doc后缀，需要将其转换docx后缀方可正常操作，其实一个文档通过word软件进行另存为即可，但是在python编程中就显得不太优雅，主要是我太懒了，最多就将目标文件路径拷贝至代码中，所以使用win32com模块调用word程序转换doc文档为docx文档。
问题三：Python+Excel+Word一秒制作百份合同这篇文章中是定位到具体文本段在进行替换，首次尝试时，发现并不能替换成功，将代码逐步运行定位问题所在。可以想象下Document是将整个word文档分成多个paragraphs，一个paragraphs有很多行，每行有多个文本块，由于每行中的文本块的划分不太明白，中英文输入法不同方式输入的中/英文会导致本是一个单词被拆开，也有可能是该word文档中含有一定格式造成，如下划线，在无下划线的情况下，单词没有被分开，尝试用paragraphs.text进行内容的替换，文本可以替换成功，但下划线的格式被丢弃，所以只能采取文本块下的text方法进行替换，在原word文件中用同一种输入法输入英文(与excel的列名相对应，应保证该字符串不在word中其他地方出现，即中文也是可以的，推荐写法：#列名#)
将上述问题逐一解决后，输入目标文件路径及输入路径就大功告成了。源码：
from copy import deepcopy
from pathlib import Path
from win32com import client as wc # pip install pypiwin32
from docx import Document # pip install python-docx
import pandas as pd
# python-docx不能处理doc文档，使用win32com转存为docx文档
def doctransform2docx(doc_path):
docx_path = doc_path + 'x'
suffix = doc_path.split('.')[1]
assert 'doc' in suffix, '传入的不是word文档，请重新输入！'
if suffix == 'docx':
return Document(doc_path)
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(doc_path)
doc.SaveAs2(docx_path, 16) # docx为16
doc.Close()
word.Quit()
return Document(docx_path)
# 替换docx中的特定字符，由于run方法在有格式的docx文件中展示效果很差，故将docx中的文本的需要填充出英文字符占位
def replace_docx(name, values, wordfile, path_name='Company'):
wordfile_copy = deepcopy(wordfile) # 防止原文件被篡改，deepcopy为副本
for col_name, value in zip(name, values):
if col_name == 'Company':
path_name = str(value)
for paragraphs in wordfile_copy.paragraphs:
for run in paragraphs.runs:
run.text = run.text.replace(col_name, str(value))
# docx文档替换完毕，另存为，一定要用绝对路径
wordfile_copy.save(f'{save_folder}/{path_name}.docx')
if __name__ == '__main__':
# 定义需处理的文件路径
doc_path = r"D:\solve_path\单位.doc"
excel_path = r"D:\solve_path\信息.xls"
save_folder = Path('D:/docx_save')
save_folder.mkdir(parents=True, exist_ok=True) # 文件夹没有时自动创建
# 获取excel数据
data = pd.read_excel(excel_path)
wordfile = doctransform2docx(doc_path)
data_save = data.apply(lambda x: replace_docx(x.index, x.values, wordfile), axis=1)在我以为大功告成之际，问题来了，原文档中的方框没了（漏！！！） 效果图：
解决了格式却解决不了特殊字符问题，秃了啊……，我想python-docx中一定有相应的解决方案，但是我初次尝试，对其中源码部分犹如天书般的存在，在多次调用方法下发现其中的一个参数输出，wordfile.part.blob:
输出内容让我想起了之前解密excel时看到的文件开头，xml文件，然后首先尝试替换其中文本，原以为会像run.text = run.text.replace(col_name, str(value))一样即可，然而报错了，禁止修改。
方案二：zipfile巧解word文档
正当我认为别无他法时，就此作罢时，百度百科帮助了我：
docx文档本质上就是xml文件，emmmm，很妙，之前为了提取xlsx中的图片解压缩过xlsx文件然后提取，果然可行，替换的主体文件就是word文件夹下的document.xml文件
当然在代码编写前首先尝试能不能手动复原为docx，用7z默认参数还原失败，经过多番寻找，用zip类型压缩即可，软件不限，手动解压及替换字符压缩均成功，开始敲代码。除习惯性用pandas读取excel文件外，也不用安装其他包，在现用python3.7中均为内置包。使用zipfile对压缩类文件进行解压，文章学习来源：
python中如何压缩和解压缩文件
https://www.cnblogs.com/rongge95500/p/11271764.html文章中写得很详细，我仅把os.path改写成pathlib。但在对目录下文件进行压缩还原至docx文档时出现了问题：
问题一：文章中的压缩文件为 zipfile.ZIP_DEFLATED，对遍历后的所有文件进行压缩至一个目录下，这就出现了还原后的docx内的文件层次不对应，docx读取失败。改用zipfile.zlib.DEFLATED方可成功按层次压缩。
问题二：zipfile压缩文件保存时，应当有文件名及其别名，且别名不能为绝对路径，为了能正常还原也应使用原有名称，在代码中为f.write(文件路径, 文件路径别名)
源码：
from shutil import rmtree
import zipfile
from copy import deepcopy
from pathlib import Path
from win32com import client as wc # pip install pypiwin32
import pandas as pd
# doc文档不包含所需xml文件，使用win32com转存为docx文档
def doctransform2docx(doc_path):
docx_path = doc_path + 'x'
suffix = doc_path.split('.')[1]
assert 'doc' in suffix, '传入的不是word文档，请重新输入！'
if suffix == 'docx':
return Path(doc_path)
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(doc_path)
doc.SaveAs2(docx_path, 16) # docx为16
doc.Close()
word.Quit()
return Path(docx_path)
# docx文档解压
def docx_unzip(docx_path):
docx_path = Path(docx_path) if isinstance(docx_path, str) else docx_path
upzip_path = docx_path.with_name(docx_path.stem)
with zipfile.ZipFile(docx_path, 'r') as f:
for file in f.namelist():
f.extract(file, path=upzip_path)
xml_path = upzip_path.joinpath('word/document.xml')
with xml_path.open(encoding='utf-8') as f:
xml_file = f.read()
return upzip_path, xml_path, xml_file
# 讲文件夹中的所有文件压缩成docx文档
def docx_zipped(docx_path, zipped_path):
docx_path = Path(docx_path) if isinstance(docx_path, str) else docx_path
with zipfile.ZipFile(zipped_path, 'w', zipfile.zlib.DEFLATED) as f:
for file in docx_path.glob('**/*.*'):
f.write(file, file.as_posix().replace(docx_path.as_posix() + '/', ''))
# 删除生成的解压文件夹
def remove_folder(path):
path = Path(path) if isinstance(path, str) else path
if path.exists():
rmtree(path)
else:
raise "系统找不到指定的文件"
# 替换docx中的特定字符，重新保存document.xml至需要压缩的目录下
def replace_docx(name, values, xml_file, xml_path, unzip_path, path_name='Company'):
xml_path = Path(xml_path) if isinstance(xml_path, str) else xml_path
xml_file_copy = deepcopy(xml_file) # 深复制xml内容
for col_name, value in zip(name, values):
if col_name == 'Company':
path_name = str(value)
xml_file_copy = xml_file_copy.replace(col_name, str(value))
with xml_path.open(mode='w', encoding='utf-8') as f:
f.write(xml_file_copy)
# xml文档替换完毕，通过zipfile重新压缩另存为docx文档
docx_zipped(unzip_path, f'{save_folder}/{path_name}.docx')
if __name__ == '__main__':
# 定义需处理的文件路径
doc_path = r"D:\solve_path\单位.doc"
excel_path = r"D:\solve_path\信息.xls"
save_folder = Path('D:/docx_save')
save_folder.mkdir(parents=True, exist_ok=True) # 文件夹没有时自动创建
# 获取excel数据
data = pd.read_excel(excel_path)
docx_path = doctransform2docx(doc_path)
unzip_path, xml_path, xml_file = docx_unzip(docx_path)
data_save = data.apply(lambda x: replace_docx(x.index, x.values, xml_file, xml_path, unzip_path), axis=1)
remove_folder(unzip_path)打开生成的文件，方框没有消失，下划线也在。
总结
经过几番尝试后，也是我的学识不深，在跌跌撞撞中找到一种既能替换docx中的字符串也不会改变原有格式的方案，相信一定会有更好的方案，只是此时我没有找到，时间是不停地向前的，我也不应落下，以求共同富贵。如对此有疑问欢迎评论区留言。
PS: 如果电脑安装的是WPS，可以尝试手动转换doc格式为docx格式，再进行批量操作。
于二零二一年十一月二十八日作
版权声明：本文为CSDN博主「宿者朽命」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_46281427/article/details/121588786
小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。
------------------- End -------------------
往期精彩文章推荐：
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
随便说一两句吧~~
876
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
