[365]python读取word并保留原格式

python读取word

安装

pip install python-docx

步骤1：打开Word文件

首先，我们需要打开要读取的Word文件。我们可以使用python-docx库来实现这一功能。

# 导入所需的库
from docx import Document

# 打开Word文件
doc = Document('file.docx')

步骤2：读取表格数据

接下来，我们需要读取Word表格中的数据。我们可以使用python-docx库的Table对象和Cell对象来实现这一功能。

# 获取所有表格
tables = doc.tables

# 遍历表格
for table in tables:
    # 获取表格中的所有行
    rows = table.rows
    for row in rows:
        # 获取行中的所有单元格
        cells = row.cells
        for cell in cells:
            # 获取单元格的文本内容
            text = cell.text

步骤3：保留原格式

在读取表格数据时，我们需要保留原始的格式，包括字体、颜色、对齐方式等。我们可以使用python-docx库的Run对象和Paragraph对象来实现这一功能。

# 获取所有段落
paragraphs = doc.paragraphs

# 遍历段落
for paragraph in paragraphs:
    # 获取段落中的所有Run对象
    runs = paragraph.runs
    for run in runs:
        # 获取字体、颜色等属性
        font = run.font
        color = font.color
        # 保留格式

步骤4：输出数据
最后，我们需要将读取到的表格数据输出到文件或者控制台。在这里，我们将数据输出到控制台。

# 输出数据
print(text)

完整代码示例
下面是一个完整的示例代码，演示了如何使用Python读取Word表格数据并保留原格式。

from docx import Document

# 打开Word文件
doc = Document('file.docx')

# 获取所有表格
tables = doc.tables

# 遍历表格
for table in tables:
    # 获取表格中的所有行
    rows = table.rows
    for row in rows:
        # 获取行中的所有单元格
        cells = row.cells
        for cell in cells:
            # 获取单元格的文本内容
            text = cell.text
            # 输出数据
            print(text)

# 获取所有段落
paragraphs = doc.paragraphs

# 遍历段落
for paragraph in paragraphs:
    # 获取段落中的所有Run对象
    runs = paragraph.runs
    for run in runs:
        # 获取字体、颜色等属性
        font = run.font
        color = font.color
        # 保留格式

    # 输出数据
    print(paragraph.text)

python写入word

from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT #设置对象居中、对齐等。
from docx.enum.text import WD_TAB_ALIGNMENT,WD_TAB_LEADER #设置制表符等
from docx.shared import Inches #设置图像大小
from docx.shared import Pt #设置像素、缩进等
from docx.shared import RGBColor #设置字体颜色
from docx.shared import Length #设置宽度
from docx.oxml.ns import qn
import time
today=time.strftime("%Y{y}%m{m}%d{d}",time.localtime()).format(y="年",m="月",d="日")

document=Document()
document.styles["Normal"].font.name=u'宋体'# 设置文档的基础字体
document.styles["Normal"].element.rPr.rFonts.set(qn('w:eastAsia'),u'宋体')#设置文档的基础中文字体


#初始化建立第一个自然段
p1=document.add_paragraph()
p1.alignment=WD_PARAGRAPH_ALIGNMENT.CENTER#对齐方式为居中
run1=p1.add_run("关于下达%s产品的通知"%today)
run1.font.name="微软雅黑"
run1.font.size=Pt(21) # 字体大小为21磅
run1.font.bold=True #加粗
p1.space_after=Pt(5)#段后距离5磅
p1.space_before = Pt(5)# 段前距离5磅

# 建立第一个自然段
i='客户3'
p2 = document.add_paragraph()
run2 = p2.add_run("%s:" % i)
run2.font.name = "仿宋_GB2312"
run2.element.rPr.rFonts.set(qn('w:eastAsia'), u'仿宋_GB2312')
run2.font.size = Pt(16)
run2.font.bold = True

# 建立第一个自然段
p3 = document.add_paragraph()
run3 = p3.add_run(" 根据公司安排，为提供优质客户服务，我单位将价格通知如下：" )
run3.font.name = "仿宋_GB2312"
run3.element.rPr.rFonts.set(qn('w:eastAsia'), u'仿宋_GB2312')
run3.font.size = Pt(16)
run3.font.bold = True

# 建立表格
table=document.add_table(rows=3,cols=3,style='Table Grid')
table.cell(0,0).merge(table.cell(0,2))# 合并第一行
table_run1=table.cell(0,0).paragraphs[0].add_run('XX产品报价表')# 合并单位格内填入XX产品报价表
table_run1.font.name = u"隶书"
table_run1.element.rPr.rFonts.set(qn('w:eastAsia'), u'隶书')
table.cell(0, 0).paragraphs[0].alighment=WD_PARAGRAPH_ALIGNMENT.CENTER#居中
table.cell(1, 0).text='日期'
table.cell(1, 1).text = '价格'
table.cell(1, 2).text = '备注'
table.cell(2, 0).text = today
table.cell(2, 1).text ='100'
table.cell(2, 2).text = ''

document.add_page_break()#分页符
document.save('价格通知.docx')#保存

需要说明的是

run3.font.name = “仿宋_GB2312” 
run3.element.rPr.rFonts.set(qn(‘w:eastAsia’), u’仿宋_GB2312′)

这两句均是设置字体为仿宋_GB2312，之所以要两种格式写两遍，是因为word对中文支持不太友好，需要再填一句

python读取word转txt

安装

pip install docx2txt

代码

import docx2txt

text = docx2txt.process("example.docx")
print(text)

参考：https://blog.51cto.com/u_16213448/8268498
https://baijiahao.baidu.com/s?id=1786898211726500586&wfr=spider&for=pc
http://www.manongjc.com/detail/57-wgtzokkncmoffmi.html
https://deepinout.com/python/python-qa/t_how-to-read-microsoft-word-with-python.html