【python 让繁琐工作自动化】处理Word文档

API Documentation

.docx文档的结构

• Document对象表示整个文档，包含一个Paragraph对象的列表
• Paragraph对象表示文档中的段落，包含一个Run对象的列表
• Run对象是相同样式文本的延续，当文本的样式发生改变时，就需要一个新的Run对象

读取word文档

import docx,os
os.chdir('D:/python/python编程快速上手-让繁琐的工作自动化/处理Word')

doc=docx.Document('demo.docx')
#打开一个.docx文件，返回一个Document对象
paragraph=doc.paragraphs
#调用Document对象的paragraphs属性，返回一个Paragraph对象的列表
print(len(paragraph))
#paragraph列表中的元素数量，即：文档段落的数量
paragraph_0_txt=paragraph[0].text
#调用Paragraph对象的text属性，返回某个段落的文本的字符串

run1=paragraph[1].runs
#调用Paragraph对象的runs属性，返回一个包含Run对象的列表
for run in run1:
    print(run.text)
    #Run对象的text属性，返回Run对象所包含的文本内容

有关Run对象：对于docx文件中的一个段落，不同的位置可能存在不同的文本样式，一个Run对象包含一段具有相同样式的连续的文本。
如：" A plain paragraph with some bold and some italic"，这段话中，包含4个Run对象，第一个包含文本"A plain paragraph with some",之后文本变成了粗体，所以会产生一个新的Run对象来保存接下来的粗体文本，之后又恢复了非粗体，所以又会有第三个Run对象来保存相应的内容，最后文本变成了斜体，所以产生了第四个Run对象，来保存相应的文本与样式。

从.docx文件中取得完整的文本

import docx
def getText(FileName,Indent=False,addBlankLine=False):
    doc=docx.Document(FileName)
    Text=[]
    for paragraph in doc.paragraphs:
        if Indent:
            Text.append('  '+paragraph.text)
            #Indent=True则在每一段开头添加缩进
        else:
            Text.append(paragraph.text)
    FullText='\n\n'.join(Text) if addBlankLine else '\n'.join(Text)  
    #addBlankLine=True，则再两段之间添加空白行     
    return FullText

调用：

import os
os.chdir('D:/资料/python/python编程快速上手-让繁琐的工作自动化/处理Word')
from ReadDocx import getText
s=getText('demo.docx',addBlankLine=True,Indent=True)
print(s)

Run属性

可以在Run对象上设置的text属性

属性	描述
bold	文本以粗体出现
italic	文本以斜体出现
underline	文本带下划线
strike	文本带删除线
double_strike	文本带双删除线
all_caps	文本以大写首字母出现
small_caps	文本以大写首字母出现，小写字母小两磅
shadow	文本带阴影
outline	文本以轮廓出现，而不是实心
rtl	文本从右至左书写
imprint	文本以刻入页面的方式出现
emboss	文本以凸出页面的方式出现

import docx,os
os.chdir('D:/python/python编程快速上手-让繁琐的工作自动化/处理Word')

doc=docx.Document('demo.docx')
paragraph=doc.paragraphs

print(paragraph[0].style)
##打印第一段的样式
paragraph[0].style='Normal'
#更改第一段的样式为‘Nomal’
run1=paragraph[1].runs
run1[1].underline=True
#将run对象的underline谁能够设置为True
run1[3].underline=True
doc.save('new_demo.docx')

写入文档

Document对象

方法或属性	描述	参数
add_heading(text=u’’, level=1)	在文档末尾添加新标题，并返回新标题的Paragraph对象	text—(str)标题的文本；level—(int)标题的样式，如果level=0，则样式设置为Title。如果level=1（或省略），则使用标题1。否则，样式将设置为“标题{level}”。如果级别超出0-9范围，则引发ValueError。
add_paragraph(text=u’’, style=None)	将文本添加到文档末尾作为一个新的段落，返回该段落的Paragraph对象	text—段落的文本内容，文本可以包含制表符（\t）字符。文本还可以包含换行符（\n）或回车符（\r），每个字符都转换为换行符
add_page_break（）	添加分页符
save（path_or_stream ）	将此文档保存到path_or_stream	path_or_stream—是文件系统位置的路径（字符串）或类似文件的对象
add_picture（image_path_or_stream，width = None，height = None ）	在文档末尾添加图像，根据宽度和高度缩放。	image_path_or_stream—图片文件的路径。width&height —插入图片的缩放大小，如果未指定宽度或高度，则图片以其原始尺寸显示。如果仅指定一个，它将用于计算比例因子，然后将比例因子应用于未指定的尺寸，从而保留图像的长宽比

Paragraph对象

方法或属性	描述	参数
add_run（text = None，style = None ）	将run添加到此段，其中包含文本，并具有通过样式ID style标识的字符样式，返回Run对象	text—文本，可以包含制表符（\t）字符。文本还可以包含换行符（\n）或回车符（\r），每个字符都转换为换行符。style—文本样式
insert_paragraph_before(text=None, style=None)	在该段落之前插入一个新段落，返回Paragraph对象	text——如果提供，新段落将会将其保存在一个Run对象中。style——若提供，则被用于整个段落
clear()	将段落的所有内容移除，并返回同样的段落，保留段落级别的样式

Run对象

方法或属性	描述	参数
add_break（break_type = 6 ）	添加换行符	break_ype——WD_BREAK.LINE，WD_BREAK.PAGE和 WD_BREAK.COLUMN，其中WD_BREAK是从docx.enum.text导入的(from docx.enum.text import WD_BREAK)。 break_type默认为WD_BREAK.LINE
add_picture(image_path_or_stream, width=None, height=None)	将图片添加到该Run对象的末尾
add_text(text)	将新的文本添加到该Run对象中	text将要添加的文本
clear()	删除Run对象的所有内容，并返回该对象，保留Run的所有格式
add_tab()	在run对象后添加一个制表符

from docx import Document
from docx.enum.text import WD_BREAK

#建立一个空的文档
doc = Document()

#添加一个最大的标题， level = 0
doc.add_heading('Document title',0)
#或者 doc.add_paragraph('Document title','Title')

#添加一个段落
paragraph = doc.add_paragraph('A Plain paragraph having some ')

#段落添加“加粗”的字符“bold”
paragraph.add_run('bold').bold = True
#段落添加字符“and”
run=paragraph.add_run(' and ')
#在run对象上添加文本'some '
run.add_text('some ')
#段落添加“斜体”的字符“italic”
print(run.text)
paragraph.add_run('italic.').italic = True

#添加level 1的标题
doc.add_heading('Heading, level 1', level = 1)

#添加一个段落是“斜体”的字符“斜体”：
doc.add_paragraph('Intense quote', style = 'Intense Quote')

#添加一个段落, 添加"List Number"，用数字作为项目符号
List_paragraph=doc.add_paragraph('fir item in ordered list',style = 'List Number')

#在List_paragraph之前添加一个段落，添加"List Bullet",用小点点作为项目符号
List_paragraph.insert_paragraph_before('first item in unordered list', style = 'List Bullet')
#构建一个表格数据：
records = ((3,'101','Spam'),(7,'422','Eggs'),(4,'631','Spam,spam,eggs,and spam'))

#构建表格，1行3列：
table = doc.add_table(rows = 1, cols = 3)

#table 的每个单元格为her_cells
hdr_cells = table.rows[0].cells

#每个单元格赋值：
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

doc.add_picture('Document.png',height=5000000)
#添加分页符：
#doc.add_page_break() #在末尾添加分页
doc.paragraphs[0].runs[0].add_break(WD_BREAK.PAGE)#在特定位置添加分页

doc.save('demo_new.docx')