Python自动化办公 — 对 word 文本处理实现自动化操作！

Posted 2020-12-20 小张Python

之前介绍了一个Python包 openpyxl ，用于处理 Excel ；而对于 Word 文本时同样也有对应的 Python库 Python-docx，在日常办公中，如果需要处理多个 word 文本，且操作步骤都是重复单调的，我想这个库就可以帮到你

在了解 Python-docx 常用函数之前，需要知道 在 Python-docx 各命令所对应 word 各部件，下图所示，

• Document 指的是 word 文档；
• paragraph 对应段落；
• run 对应 一句话中的各个字段，样式调整时，一般面向的操作对象都是逐字段进行；

1，安装 Python-docx

通过 pip 工具即可进行安装，在命令行中输入 pip install Python-docx 即可

2，创建或打开 Document

Python-docx 导入包时是以 docx 命令存在的，与 Opencv 的 Python 版本导入方法相似；创建文件、打开文件以 Document() 命令操作，这里操作时需要注意几个点：

• 1，Document() 命令是基于默认”模板“创建一个空白文档，随后可对文档进行编辑操作，最后没有用 save() 函数存储的话，文档将伴随程序结束同内存一起
• 2，Document(path) 命令表示打开一个本地已经存在的 docx 文件，path 表示存放目录若不存在则程序报错；

下面代码中，创建了一个空白 docx，赋值给 document

from docx import Document

document = Document()

3，加入一段落

段落作为 docx 文档正文的主要成分，那怎样在创建好的 Document 中加入一段话呢？官方给出了两种方式

1，在文档后面插入

这种方法是比较常见且简单的，命令如下

paragraph = document.add_paragraph(‘Lorem ipsum dolor sit amet.‘)

方法中将创建好的段落引用指向 paragraph ，表明了光标的位置，后面的一些操作可以借助 paragraph 引用变量来作为定位操作

2，在指定地方的前面插入

文档编辑正常顺序是在末尾进行编辑，但有时在编辑时可能失误少输入一段话或文字，这时就用到 在指定位置前面 进行插入操作

prior_paragraph = paragraph.insert_paragraph_before(‘Lorem ipsum‘)

此命令常用于 修正文档 ，当需要在一段话前面添加一些别的文字时。

4，标题

docx 中 会用一、二、三级标题将正文分为几部分，让文本主次感更强；Python-docx 有对应的内置函数供我们使用，内置函数中标题分为主标题和子标题

创建标题的函数方法中，有一个参数 level 可进行修改，若不设定时默认为 主标题（leve = 0）；

document.add_heading(‘The REAL meaning of the universe‘)

子标题分为 1-9 九个等级，修改参数 level 即可

document.add_heading(‘The role of dolphins‘, level=2)

5，分页符

在 Word 中进行文本编辑，想在单独的一个新页面编写文本时，就需要加入一个 强制分页符，命令如下

document.add_page_break()

这里需要注意下，加入分页符之后，新页面上编辑的段落样式属性与之前页面段落属性是分隔开的

6，表格

在文档中创建一个 2*2 的 表格

table = document.add_table(rows=2, cols=2)

表格中每个单元格可进行文本编辑，颜色填充；对于特定表格而言可通过 row、column 索引来进行定位，这里借助了操作 Excel 表格的思想

cell = table.cell(0, 1)

赋值其文本内容

cell.text = ‘parrot, possibly dead‘

对一个一个单元格修改操作太麻烦了，可以一次选中指定列，对其单元格数据进行逐个修改

row = table.rows[1]
row.cells[0].text = ‘Foo bar to you.‘
row.cells[1].text = ‘And a hearty foo bar to you too sir!‘

table.rows[index] 返回索引为 index 的指定行，根据 .rows和.cols 表示 表格的全部行或列是可迭代的，因此可通过 for 循环来访问每一个单元格

for row in table.rows:
    for cell in row.cells:
        print(cell.text)

因为 .rows 和 .cols 是可迭代的，通过 len() 命令来获取行、列数

row_count = len(table.rows)
col_count = len(table.columns)

除了以上操作之外，还可以向 table 中逐渐添加行、列命令

row = table.add_row()
col = table.add_col()

上面提到了 创建表格，单元格修改，创建新行/列，逐行/列迭代，下面用个实例做个简单总结，代码中完成功能如下：

• 1，item 创建一个 3*3 的元组数据；
• 2，在 word 中新建一个 table，一行三列；
• 3，创建好的 table 的表头依次设置为 Qty，SKU，Description；
• 4，将 item 中的元素，以 table 逐行 3 个的方式创建；

# get table data -------------
items = (
    (7, ‘1024‘, ‘Plush kittens‘),
    (3, ‘2042‘, ‘Furbees‘),
    (1, ‘1288‘, ‘French Poodle Collars, Deluxe‘),
)

# add table ------------------
table = document.add_table(1, 3)

# populate header row --------
heading_cells = table.rows[0].cells
heading_cells[0].text = ‘Qty‘
heading_cells[1].text = ‘SKU‘
heading_cells[2].text = ‘Description‘

# add a data row for each item
for item in items:
    cells = table.add_row().cells
    cells[0].text = str(item.qty)
    cells[1].text = item.sku
    cells[2].text = item.desc

此外，还可修改 表格的样式，word 文档中的表格样式这里都可以设定(样式名称可以通过word 文档自有的样式，将鼠标放到样式的缩略图上即可查看)，但需要注意的是，使用样式时需要去掉word软件中样式名字中的空格，例如下面 Office 原样式名字为 Light Shading-Accent1，这里直接把中间空格去掉

table.style = ‘LightShading-Accent1‘

7，图片

在 python-docx 中添加图片用下面命令即可完成

document.add_picture(‘image-filename.png‘)

上面加入的是本地文件 path ，除此之外还可以使用 file-like object，这种格式对于数据库或者网络上的图片读取时时非常方便的

修改图片大小

python-docx 加入图像默认表示的是 native size，正常图片加入时会出现相同图片的一侧出现 4.167 inches 的空白处，大概占比纸张宽度的一半；在获取想要图像大小时，可以指定宽度或高度设为较为方便的单位

from docx.shared import Inches

document.add_picture(‘image-filename.png‘, width=Inches(1.0))

8, 应用段落样式

设定段落样式方法有两种，一种创建时就可以设置

document.add_paragraph(‘Lorem ipsum dolor sit amet.‘, style=‘ListBullet‘)

另一种是创建完之后再再进行设置(这时不需要去掉样式名称中的空格)

paragraph = document.add_paragraph(‘Lorem ipsum dolor sit amet.‘)
paragraph.style = ‘List Bullet‘

9，字体加黑并斜体化

对字体做斜体和加黑操作之前， 需要理解在一个段落中都做了什么事情，简单来说两部分：

• 1，一个段落具有全部 block-level formatting ，比如制表符、行高、tabs 等；
• 2，Character-level formatting ，例如粗体、斜体，应用的是 run对象，在段落中的所有内容必须是一个 run ，且不仅包含一个，

Run 对象同时包含一个 .bold 和.italic 属性，可让你来对其值进行设置

paragraph = document.add_paragraph(‘Lorem ipsum ‘)
run = paragraph.add_run(‘dolor‘)
run.bold = True
paragraph.add_run(‘ sit amet.‘)

上面代码中最后创建的文本格式形如：Lorem ipsum dolor sit amet.

需要注意的是设置 bold 或 italic 时，可以把 .add_run() 命令直接放在右边

paragraph.add_run(‘dolor‘).bold = True

# is equivalent to:

run = paragraph.add_run(‘dolor‘)
run.bold = True

# except you don‘t have a reference to `run` afterward

10，字符样式

除了上面加黑、斜体之外、还可定义字符样式( character styles )， 定义时加入一行新的 run 对象；例如

paragraph = document.add_paragraph(‘Normal text, ‘)
paragraph.add_run(‘text with emphasis.‘, ‘Emphasis‘)

上面创建一个文本 ，结果如下

Normal text, text with emphasis. ；text with emphasis. 部分应用 Emphasis(强调) 的字符格式

上面代码也可改为；

paragraph = document.add_paragraph(‘Normal text, ‘)
run = paragraph.add_run(‘text with emphasis.‘)
run.style = ‘Emphasis‘

与段落样式一样，样式名字与 Word UI 里的一样，在 Word 样式管理器中都能找得到！

好了，以上就是本篇文章的全部内容了，如果有什么疑问可通过下方留言区告诉我