python-docx处理docx文档

python-docx处理docx文档

很久没有写文章了，最近刚入职，决定捡起来再写写。
最近在做一些文档性的工作，主要就是把wiki上的内容收集起来，做成一份word文档，这边主要使用了两个库
拉取网页数据：requests_html
生成docx文档：python-docx
这边主要写一写python-docx的用法相关，以及自己写的一个脚本

python-docx常用指令

docx.add_paragraph(text, style)          #插入段落，并指令文本以及格式
docx.add_heading(text, level)      #插入level级别的标题（标题也是段落）
docx.paragraphs[index]        #操作特定的段落
docx(filepath)                #读取文档/（不写入参数时）生成空文档类

主程序部分

from docx import Document
from docx.shared import Inches
import docx
from docx.enum import dml

import requests
from requests_html import HTMLSession
import string
#main()
#设置文件名和文件路径，尝试打开文件，若打不开则新建
filePath = 'C:/Users/hyx/Desktop/py_tool_file/docx/'
fileName = 'MC-Basic Document.docx'
try:
    document = Document(filePath + fileName)
except:
    document = Document()

id = 0

#读取网页
session = HTMLSession()
baseWeb = 'http://softmc.servotronix.com/wiki/'
wikiurl = 'http://softmc.servotronix.com/wiki/Category:MC-Basic:Commands'
r = session.get(wikiurl)
strArray = []
for str in r.html.links:
    #print(str)
    tempLen = str.find('MC-Basic:')
    #print (tempLen)
    if tempLen == 6:
        strArray.append(str[6:])
#strArray = sorted(strArray, key = str.lower())
strArray = str_list_sort(strArray)
count = 1
document.add_heading('MC-Basic Document', 0)
for s in strArray:
    read_html(baseWeb + s,document,s,id)
    count = count + 1
    
    if(count > 2):
        
        document.save(filePath + fileName)
        count = 1
        try:
            document = Document(filePath + fileName)
        except:
            document = Document()


#read_html('http://softmc.servotronix.com/wiki/MC-Basic:SYSTEM.NUMBERAXES',document,'MC-Basic:SYSTEM.NUMBERAXES')
''' 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.save(filePath + fileName)

访问网页并存储数据部分

需要注意的是，使用docx.add_heading所生成的标题是不存在自动书签的，因此在这里我们安装了python-docx的bookmark分支手动添加书签，用于后续的超链接指向

def read_html(url, document, Name,id):

    document.add_heading(Name, level=1)
    bookmark = document.start_bookmark(Name)
    document.end_bookmark(bookmark)

    session = HTMLSession()
    #baseWeb = 'http://softmc.servotronix.com'
    #url = baseWeb + '/wiki/MC-Basic:LOC'
    reText = ''
    tail = 'See Also'
    tail2 = 'Retrieved from '
    r = session.get(url)
    #print(r.headers,'\r\n')
    #r.encoding = 'utf-8'
    #print(r.html.text)
    StartStr = '中文（简体）‎'
    StartLoc = r.html.text.find(StartStr)
    StartStrLen = 0

    if StartLoc > 0:
        StartStrLen = len(StartStr) + 1
    else:
        StartStr = 'Jump to: navigation, search'
        StartLoc = r.html.text.find(StartStr)
        StartStrLen = len(StartStr) + 1

    strTemp = ''
    returnStr = ''
    StartLoc = StartLoc + StartStrLen
    #print(StartLoc)
    SFStr = 'Short form'
    SFLoc = r.html.text.find(SFStr, StartLoc)
    if SFLoc > 0:
        EndLoc = SFLoc

        strTemp = r.html.text[StartLoc: EndLoc]
        returnStr = find_return_value(strTemp)
        
        document.add_paragraph(r.html.text[StartLoc: EndLoc])
        StartLoc = EndLoc + len(SFStr) + 1
        p = document.add_heading(SFStr, level=2)