亲宝软件园·资讯

展开

Python读取Word内容

渴望力量的哈士奇 人气:4

前言

前面几个章节我们学习了对于普通文件的操作,比如说文件的创建、复制粘贴、裁剪粘贴、文件名的重命名、删除等等。另外还学习了一些基本练习,如何查找文件、如何按照内容查找文件等等。

在本章节及后续,将开始学习一些特殊文件的自动化相关操作。如 word、excel、PPT,虽然说是特殊文件,其实也是实际工作中我们经常会用到的文件类型。

接下来我们就进入到 word 文件自动化操作的学习内容。

该章节涉及的新模块

python-docx

pdfkit

pydocx

利用 python 批量读取文件

word利器之python-docx

python-docx 是用于创建可修改 微软 Word 的一个 python 库,提供全套的 Word 操作,是最常用的 Word 工具。

使用前,先了解几个概念:

例如下图的 word 文档示意图:

word 文档结构划分如下:

python-docx 安装

安装:

pip install python-docx 如果安装速度太慢的话,可以换一个国内的源地址(如下)

pip install -i http://pypi.tuna.tsinghua.edu.cn/simple python-docx

导入:

import docx
from docx import …

python-docx 之 Document

导入包与模块:

from docx import Document

使用方法:

Document(word文件地址)

返回值:

word文件对象

python-docx 之段落内容读取

实际上要想读取一个 word 文档,主要就是读取它的段落以及它的表格。无论是段落还是表格,它的内部都是字符串,我们的目的就是读取这些字符串的内容。

先看一下段落内容的读取方式:

来源:

document_obj.paragraphs 通过 document 对象的 paragraphs 函数返回一个段落的列表;如果 word 文件存在多个段落,就会有多个段落对象。

使用方法:

通过循环获取每个段落对象,并调用 text

演示案例脚本如下:

# coding:utf-8

import os
from docx import Document

path = os.path.join(os.getcwd(), 'test_file/文本.docx')
print("\'文本.docx\' 的路径为:", path)     # 调试路径

doc = Document(path)

for p in doc.paragraphs:
    print(p.text)

运行结果如下:(PS:文本只是演示,本人非培训机构的!)

python-docx 之表格内容读取

接下来我们看一下如何读取 word 文件中的表格内容:

来源:

document_obj.tables 通过 document 对象的 paragraphs 函数返回一个表格的列表;里面是一个一个的表格的对象。

使用方法:

同样通过循环,获取行与列的内容

返回值:

每个表格字段(字符串)

演示案例代码如下:

# coding:utf-8

import os
from docx import Document

path = os.path.join(os.getcwd(), 'test_file/文本.docx')
print("\'文本.docx\' 的路径为:", path)     # 调试路径

doc = Document(path)

# for p in doc.paragraphs:
#     print(p.text)

for t in doc.tables:            # for 循环获取表格对象
    for row in t.rows:          # 获取每一行
        row_str = []
        for cell in row.cells:    # 获取每一行单独的小表格,然后将其内容拼接起来;拼接完成之后再第二个for循环中打印出来
            row_str.append(cell.text)
        print(row_str)
        
# 也可以通过 "columns" 获取表格中的列的内容,可以自己尝试一下

运行结果如下:

加载全部内容

相关教程
猜你喜欢
用户评论