如何在官员的Word文档中获取样式格式？

Posted 2021-05-07

我想用officer编写一些文档，并且在我用read_docx()加载的Word文档中有一些预定义的样式。现在，我可以看一下样式，但是我特别想知道每种样式具有的字体类型或字体大小，而我找不到。这就是我能找到的全部：

Document <- read_docx(FILEPATH)
head(Document$styles)
  style_type style_id style_name is_custom is_default
1  paragraph   Normal     Normal     FALSE       TRUE
2  paragraph Heading1  heading 1     FALSE      FALSE
3  paragraph Heading2  heading 2     FALSE      FALSE
4  paragraph Heading3  heading 3     FALSE      FALSE
5  paragraph Heading4  heading 4     FALSE      FALSE
6  paragraph Heading5  heading 5     FALSE      FALSE

很遗憾，没有字体大小或字体类型的列。我确实需要R中标题1的字体大小（例如10）和字体类型（例如“ Times New Roman”），因为函数style的参数body_add_par不足以达到我的目的。有没有办法做到这一点？

编辑：如果解决方案不是来自officer，那也很好。

答案

我找不到在官员中执行此操作的方法。实际上，最后，我不得不解析docx的xml内容以获得字体。

事实证明，并非所有样式都有字体集。有些继承自其他样式，有些仅采用Word提供的默认值。无论如何，解析xml很麻烦，因此有点麻烦/杂乱。

首先，您需要解压缩docx以获得其样式xml。如果您有officer，那么您还将拥有所需的zip软件包，因此我们将使用此软件包：

library(zip)
doc_path <- "my_file_path.docx"
unzip(doc_path, files = "word/styles.xml", exdir = path.expand("~/"))

现在我们需要解析xml：

read_xml(path.expand("~/word/styles.xml")) %>%
xml_nodes(xpath = "//w:style")             %>%
lapply(xml_new_root)                       %>%
lapply(function(x) data.frame(
  name = x %>% xml_node(xpath = "//w:name") %>% xml_attr("val"),
  based_on = x %>% xml_node(xpath = "//w:basedOn") %>% xml_attr("val"),
  font = x %>% xml_node(xpath = "//w:rFonts") %>% xml_attr("ascii"),
  size = x %>% xml_node(xpath = "//w:sz") %>% xml_attr("val"),
  stringsAsFactors = F)) %>%
{do.call("rbind", .)} -> font_table

这为我们提供了字体表，但是从继承等中可以推断出很多缺失值：

read_xml(path.expand("~/word/styles.xml")) %>%
xml_node(xpath = "//w:docDefaults//w:rPr") %>% 
xml_new_root -> defaults

default_size <- xml_node(defaults, xpath = "//w:sz") %>% xml_attr("val")
default_font <- xml_node(defaults, xpath = "//w:rFonts") %>% xml_attr("ascii")
if(is.na(default_font))
  default_font <- xml_node(defaults, xpath = "//w:rFonts") %>% xml_attr("asciiTheme")

font_table$size[is.na(font_table$size) & is.na(font_table$based_on)] <- default_size
font_table$font[is.na(font_table$font)] <- default_font
font_table$based_on[is.na(font_table$based_on)] <- "default"

现在我们有：

font_table
#>                      name             based_on            font size
#> 1                  Normal              default      minorHAnsi   24
#> 2               heading 2               Normal      minorHAnsi   26
#> 3  Default Paragraph Font              default      minorHAnsi   24
#> 4            Normal Table              default      minorHAnsi   24
#> 5                 No List              default      minorHAnsi   24
#> 6              Table Grid          TableNormal      minorHAnsi <NA>
#> 7          List Paragraph               Normal      minorHAnsi <NA>
#> 8            Normal (Web)               Normal Times New Roman <NA>
#> 9            Balloon Text               Normal          Tahoma   16
#> 10      Balloon Text Char DefaultParagraphFont          Tahoma   16
#> 11         Heading 2 Char DefaultParagraphFont      minorHAnsi   26