python-docx读取模板文档并填充数据

简介

python-docx 是开源的一个 Python 库，用于读取、创建和更新Microsoft Word 2007+（.docx）文件。目前最新版本是1.1.2。

官方文档地址：https://python-docx.readthedocs.io/en/latest/

其开源仓库地址：https://github.com/python-openxml/python-docx

准备docx文档

docx 文档可以用 office 打开，也可以用 WPS，这边截图使用的是 WPS，因为里面邮件合并部分 “插入合并域/Next域” 自带的小书名号非常独特，这个符号的正式名称是角引号，主要用于法语、俄语、西班牙语等欧洲语言中，中文语境里使用较少，很适合作为后面遍历行段内容替换字符串时的标识符。

在 “插入域” 弹窗的选项中选择域名为 “唯一标识符” 的选项插入，先前鼠标定位的位置就会添加上这个小书名号包裹的 “唯一标识符”。

只要插入了一个标识符，剩下的就可以复制粘贴了。角引号里面的内容也可以改成自己想要的字段名称，中英文不限。

像下面的示例表格，便是直接从前面这个唯一标识符复制过来的。复制时记得把角引号包裹住了。WPS里面鼠标点击标识符时会自动出现截图中的深色区域，很方便检查。

不过这个邮件合并域功能目前我只在 WPS 的 “引用” 模块里有找到，在 office 的 Word 里没有找到对应的地方。虽然 “插入” 里可以选择 “域”，但操作起来容易出错，我自己就没看懂应该选哪个去插入……

python代码

前面特地添加一个表格做示例，主要是因为获取文档内容时，表格需要单独的遍历。

from docx import Document

def merge_docx(doc, data):
    '''
    替换文档里各个占位符，替换后保存
    :param data: 数据data = { '这句话的英文': 'Hello World！','这句话的加粗版本': 'Hello World！' }
    :return:
    '''
    # 遍历文档中的所有段落
    for para in doc.paragraphs:
        # 替换每个自定义合并域
        for key, value in data.items():
            if f"«{key}»" in para.text:
                para.text = para.text.replace(f"«{key}»", value)

    # 遍历文档中的所有表格，再遍历单元格内段落
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                cell_text = cell.paragraphs[0].text
                if cell_text[1:-1] in data.keys():
                    key = cell_text[1:-1]
                    val = data[key] # cell.text.replace(f"«{key}»", data[key])
                    pa = cell.paragraphs[0]
                    pa.clear()
                    r = pa.add_run(val)
                    r.bold = True # 加粗需要在run级别设置


data={ '这句话的英文': 'Hello World！','这句话的加粗版本': 'Hello World！' }
doc=Document('test.docx')
merge_docx(doc,data)
doc.save('result.docx')

执行完毕，文档成功生成，里面的内容也成功替换，如下图：

docx转pdf

有时候，文档需要转换成 PDF 格式，python-docx 缺少相应的工具，因此只能寻求其他工具，比如 win32com，恰好，win32com 可以调用到办公软件里的 wdExportFormatPDF 方法，用来将文件导出成pdf。

这个方法在 office 和 WPS 里都有存在，WPS 的 WebOffice 文档 可以做参考。

Office 官方的文档也可以看看。

两个软件的可用方法还是有区别的，只是恰好在导出成PDF这方面是一致。体现在代码中，最主要的便只剩下的调用的底层办公软件对象。

import win32com, pythoncom
from win32com.client import constants, gencache

def word2pdf(word_path):
    pdf_path = word_path.replace(".docx", ".pdf")
    pythoncom.CoInitialize()
    wc = win32com.client.constants
    # 下面这个地方，WPS 就用 kwps.application ，Office就用 word.application
    wps = gencache.EnsureDispatch("kwps.application")
    doc = wps.Documents.Open(word_path, ReadOnly=1)
    doc.SaveAs2(FileName=pdf_path, FileFormat=wc.wdExportFormatPDF)
    wps.Documents.Close(wc.wdDoNotSaveChanges)
    wps.Documents.Close()
    wps.Quit()

word2pdf('result.docx')

执行完毕，文件成功导出。任务完成。