500个轻松处理，Python 自动化读写Word文档真香啊

Posted 2022-07-12 我爱Python数据挖掘

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了500个轻松处理，Python 自动化读写Word文档真香啊相关的知识，希望对你有一定的参考价值。

大家好，最近有同事需要批量出500个Word文档，按照1个Word文档耗时1分钟来算也需要8.33小时足足有1天工时。于是，这位同事找到了我帮忙，接过需求花了不到30分钟写好脚本，运行脚本不到1分钟就生成了500份Word文档并且进行了分类归档！

这就是Python的魅力，让工作更轻松！喜欢记得收藏、关注、点赞。

完整版代码、技术交流，文末获取

今天，我们就来了解一下用Python读写Word文档。未来，我将再出两期进行补充介绍，一篇是批量生成Word文档的方法（也就是我搞定同事需求的案例），另外一篇是详解Python写Word（包含可能你都不知道的各种Word格式），敬请期待哈~

目录：

1. 安装模块
2. 读取Word文档
3. 写入Word文档

1. 安装模块

这里我们用到的是python-docx模块，读写Word文档的操作均有它完成！

# 安装该模块，在命令行键入以下命令
pip install python-docx

在进行后续介绍前，我们先简单了解一下Word文档。和纯文本（比如txt）相比， .docx文件有很多种结构，这些结构在python-docx中用3种不同的类型来表示：最高一层是Document对象表示文档，每个Document对象包含一个Paragraph 对象也就是段落组成的列表，而每个Paragraph对象则包含一个Run对象的列表，至于Run对象大家可以通过下面的段落Paragraph来了解。

多个Run对象组成的Paragraph

我们知道Word里的文本包含有很多格式，比如字体、字号、粗体/斜体、颜色等等。一个Run对象是具有相同格式的文本，当发生变化的时候就需要一个新的Run对象，这也就是上图中1个Paragraph对象有4个Run对象的原因。

理解以上知识后，我们再来了解读与写吧。

2. 读取Word文档

我们本地创建一个案例文档，用于演示读取Word，案例文档内容如下：

案例.docx

可以看到文档一共有四行，两行标题以及两行正文。

import docx
# 读取Word文档
doc = docx.Document(r'案例.docx')

我们知道了读取Word每个paragraph段落和Run，那么如何读取完整的Word文本内容呢？这里，自定义一个函数将全部的paragraph段落内容存起来，每个paragraph段落之间用换行符\\n隔开即可。

import docx

def getText(fileName):
    doc = docx.Document(fileName)
    TextList = []
    for paragraph in doc.paragraphs:
        TextList.append(paragraph.text)
    
    return '\\n'.join(TextList)

我们调用该函数，可以得到：

fileName = r'案例.docx'
print(getText(fileName))

标题1
这是一个段落，有粗体和斜体
大家好，我是才哥。
标题2

当然了，这里读取后输出显示的文本不带有格式属性哈。

3. 写入Word文档

在写入Word之前，我们先简单了解下Word的一些格式规则。

毫不夸张的讲，把全局样式玩的明白的人蛮少的。这方面主要是正文样式与标题样式，如果玩得明白的话，其实设置好了之后几乎不需要再进行啥调整，全局格式都能自动设置与更新。就我所见的大多数朋友的文档，这方面基本达不到。（感觉会被爆锤~~）

全局样式

比如，我们可以设置正文样式为微软雅黑字体，字号12，缩进，间距等等；设置标题样式为微软雅黑字体，字号14，删除段落后间距等等。

在我们Python处理Word的时候，段落样式可以应用于 Paragraph 对象，字符样式可以应用于 Run 对象，链接的样式可以应用于这两种对象。可以将 Paragraph 和Run 对象的 style 属性设置为一个字符串，从而设置样式。这个字符串应该是一种样式的名称。如果 style 被设置为 None，就没有样式与 Paragraph 或 Run 对象关联。

当然，这里我们不展开介绍，就简单介绍Run对象上的字符属性。关于更多的介绍，我们放在第三期的 详解Python写Word里。

对于Run对象的字符text属性，都有3个状态：True（启用）、False（禁用）和None（默认）。

text属性有哪些？看下表：

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，小写字母小两个点
shadow	文本带阴影
outline	文本以轮廓线出现，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

我们演示一下：

调整样式

以上就是对段落的一些简单介绍及演示，接下来，我们来看看怎么创建并写入Word。

要创建自己的.docx 文件，就调用 docx.Document()，返回一个新的、空白的 Word Document 对象。Document 对象的 add_paragraph()方法将一段新文本添加到文档中，并返回添加的 Paragraph 对象的引用。在添加完文本之后，向 Document 对象的 save()方法传入一个文件名字符串，将 Document 对象保存到文件。

import docx

doc = docx.Document()
doc.add_paragraph('这是一个段落')
doc.save('写入word.docx')

写入word

我们可以添加段落、设置段落文本样式等等，比如：

import docx

doc = docx.Document()
p1 = doc.add_paragraph('这是一个段落')
p1.add_run('加粗的一句话').bold = True
doc.add_paragraph('这是第二个段落')
doc.save('多段落.docx')

多段落

我们还可以添加一个段位，这个段落为标题样式，这里需要用到add_heading()。它有两个参数，字符串表示文本内容，后面数字是标题层级。

import docx

doc = docx.Document()
doc.add_heading('标题',0)
doc.add_heading('标题1',1)
doc.add_heading('标题2',2)
doc.add_heading('标题3',3)
doc.add_heading('标题4',4)
doc.save('标题.docx')

标题

同样，我们还可换行与换页操作。

要添加换行符（而不是开始一个新的段落），可以在 Run 对象上调用 add_break()方法，换行符将出现在它后面。如果希望添加换页符，可以将 docx.text.WD_BREAK.PAGE作为唯一的参数，传递给 add_break() 。

import docx

doc = docx.Document()
p1 = doc.add_paragraph('这是一个段落')
p1.add_run('加粗的一句话').bold = True
# 换行
doc.paragraphs[0].runs[0].add_break()
doc.save('换行.docx')

换行

有人会说，一般word里还有图片嘛，当然咱们也能搞定添加图片。

有一个 add_picture()方法，可以在段落末尾添加图像。

import docx

doc = docx.Document()
doc.add_paragraph('这是一个段落，后面带图片')
doc.add_picture('图片.png', 
                width=docx.shared.Inches(3),
                height=docx.shared.Cm(4))
doc.add_paragraph('这是第二个段落')
doc.save('图片.docx')