python操作word文档

时间:2022-09-29 安替-AnTi 人气:0

引言

入门python-docx很容易。让我们来看一下基础知识。

打开文档

你需要的第一件事是工作的文档。最简单的方法是：

from docx import Document
document = Document()

这将打开一个基于默认“模板”的空白文档，您可以打开并使用现有的Word文档的工作python-docx，我们会让事情变得简单。

正文应用字符样式(字体，大小，颜色)

# 设置正文字型 英文字型：Times New Roman; 中文字型：宋体
document.styles['Normal'].font.name = 'Times New Roman'
document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
# 设置正文字体大小
document.styles['Normal'].font.size = Pt(12)
# 设置正文字体颜色
document.styles['Normal'].font.color.rgb = RGBColor(0, 0, 0)

添加标题

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

默认情况下，这会添加顶级标题，Word中显示为“标题1”。当您需要子节的标题时，只需指定所需的级别为1到9之间的整数：

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

level代表word文档内的标题等级，从0开始。

操作段落

添加段落

段落是Word的基础。它们用于正文文本，但也用于标题和列表项目（如项目符号）。

这里是添加一个最简单的方法：

paragraph_format= document.add_paragraph('床前明月光\n疑是地上霜\n举头望明月\n低头思故乡', style='')
paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER #文本居中

#左缩进
from docx.shared import Inches
paragraph_format.left_indent = Inches(0.3)

#首行缩进
paragraph_format.first_line_indent = Inches(0.3)

#上行间距
from docx.shared import Pt
paragraph_format.space_before = Pt(18)

#下行间距
paragraph_format.space_after = Pt(12)

#增加分页
document.add_page_break()

style设置段落样式，有两种类型：

①List Bullet：项目符号
②List Number：列表编号

此方法返回对段落的引用，新添加的段落在文档的结尾。

还可以使用一个段落作为“光标”，并在其上直接插入一个新段落：

prior_paragraph = paragraph.insert_paragraph_before('Lorem ipsum')

删除段落

python-docx中并没有提供delete()方法, github上给出了解决方法:

def delete_paragraph(paragraph):
    p = paragraph._element
    p.getparent().remove(p)
    # p._p = p._element = None
    paragraph._p = paragraph._element = None

经试验, 此方法对删除段落,表格,标题, 图片都是管用的:

from docx import Document
docx = Document('word_file.docx')
def delete_docx_prefix_description(docx):
    delete_paragraph(docx.tables[0]) # 删除word中第一个table
    for p in docx.paragraphs:
        delete_paragraph(p)
        if ''.join(p.text.split(' ')).lower()=='header_keyword':
            break
    for p in docx.paragraphs:  
        if p.text.lower()=='': # 删除word中在开始部分的空白段落
            delete_paragraph(p)
        else:
            break

替换文字

#  将想要替换的内容写成字典的形式，
#  dict = {"想要被替换的字符串": "新的字符串"}
replace_dict = {
    "苹果"："apple",
    "香蕉"："banana",
    "猕猴桃"："Kiwi fruit",
    "火龙果"："pitaya",
}

def check_and_change(document, replace_dict):
    """
    遍历word中的所有 paragraphs，在每一段中发现含有key 的内容，就替换为 value 。 
   （key 和 value 都是replace_dict中的键值对。）
    """
    for para in document.paragraphs:
        for i in range(len(para.runs)):
            for key, value in replace_dict.items():
                if key in para.runs[i].text:
                    print(key+"->"+value)
                    para.runs[i].text = para.runs[i].text.replace(key, value)
    return document

设置段落对齐方式

paragraph.alignment = WD_ALIGN_PARAGRAPH.CENTER

这里使用了CENTER这个枚举值。

字体格式

这里引用一下官方文档的说明：

In order to understand how bold(粗体) and italic(斜体) work, you need to understand a little about what goes on inside a paragraph. The short version is this:

A paragraph holds all the block-level(块级元素) formatting, like indentation(缩进), line height, tabs, and so forth.
Character-level formatting, such as bold and italic, are applied at the run level(运行级别). All content within a paragraph must be within a run, but there can be more than one. So a paragraph with a bold word in the middle would need three runs, a normal one, a bold one containing the word, and another normal one for the text after.

When you add a paragraph by providing text to the method, it gets put into a single run. You can add more using the method on the paragraph:.add_paragraph().add_run()

为此需要设置第一次运行的正常文本，这个文本可以为空。

P = document.add_paragraph('')
run = P.add_run("静夜思")
run.font.color.rgb = RGBColor(255, 0, 0)
run.font.size = Pt(14)
run.bold = True
run.italic = False
P.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

#加粗
paragraph.add_run(u'粗体').bold = True

#斜体
paragraph.add_run(u'斜体、').italic = True

#设置中文字体
paragraph.add_run(u'设置中文字体，')
run.font.name=u'宋体'
r = run._element
r.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')

#字号
paragraph.add_run(u'设置字号').font.size=Pt(24)

#增加引用
document.add_paragraph('Intense quote', style='Intense Quote')

#增加有序列表
document.add_paragraph(
    u'有序列表元素1',style='List Number'
)
document.add_paragraph(
    u'有序列别元素2',style='List Number'
)

#增加无序列表
document.add_paragraph(
    u'无序列表元素1',style='List Bullet'
)
document.add_paragraph(
    u'无序列表元素2',style='List Bullet'
)

#增加图片
document.add_picture('jdb.jpg',width=Inches(1.25))

#增加表格
table = document.add_table(rows=3,cols=3)
hdr_cells=table.rows[0].cells
hdr_cells[0].text="第一列"
hdr_cells[1].text="第二列"
hdr_cells[2].text="第三列"

hdr_cells = table.rows[1].cells
hdr_cells[0].text = '2'
hdr_cells[1].text = 'aerszvfdgx'
hdr_cells[2].text = 'abdzfgxfdf'

hdr_cells = table.rows[2].cells
hdr_cells[0].text = '3'
hdr_cells[1].text = 'cafdwvaef'
hdr_cells[2].text = 'aabs zfgf'

添加分页符

你想要下一个文本在一个单独的页面

document.add_page_break()

添加表

一个经常遇到的内容，它自己的表格呈现，排列在整齐的行和列。

以下是添加表格的方法：

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

表具有几个属性和方法，您将需要它们来填充它们。访问单个单元格可能是一个好的开始的地方。

作为基线，我们可以始终按其行和列指示访问单元格：

cell = table.cell(0, 1)
cell.text = 'parrot, possibly dead'

通常，一次访问一行单元格更容易，例如，当从数据源填充可变长度的表时。在.rows 一个表中的属性提供给单独的行，每个都具有一个 .cells属性。该.cells两个物业Row和Column 支持索引访问，就像一个列表：

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!'

在.rows和.columns桌子上的集合是可迭代的，这样你就可以直接在使用它们for循环。

相同的.cells上行或列序列：

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

如果你想在表中的行或列的计数，只要使用len()的顺序：

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

您还可以以递增方式向表中添加行，如下所示：

row = table.add_row()

这对于我们上面提到的可变长度表场景非常方便：

# get table data -------------
items = get_things_from_database_or_something()
 
# 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

同样的工作对列，虽然我还没有看到它的一个用例。Word具有一组预格式化的表格样式，您可以从其表格样式库中选择。您可以将其中的一个应用于表格，

如下所示：

table.style = 'LightShading-Accent1'

通过从表样式名称中删除所有空格形成样式名称。通过将鼠标悬停在Word的表样式库中的缩略图上，可以找到表样式名称。

添加图片

Word中，您可以将图像使用的文档中的菜单项

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

此示例使用路径，从本地文件系统加载图像文件。你也可以使用一个类文件对象，本质上就像一个打开的文件的任何对象。如果您从数据库或网络检索图像，并且不想获取涉及的文件系统，这可能很方便。

图像大小

默认情况下，添加图像出现在本地的大小。这通常比你想要的更大。本机大小的计算方法。因此，具有300dpi分辨率的300×300像素图像出现在一平方英寸。问题是大多数图像不包含dpi属性，它默认为72 dpi。这将使同一图像在一边，在一半左右的某处出现4.167英寸。pixels / dpi

要获得所需的图像大小，您可以以方便的单位指定其宽度或高度，如英寸或厘米：

from docx.shared import Inches
document.add_picture('image-filename.png', width=Inches(1.0))

你可以自由地指定宽度和高度，但通常你不想要。如果仅指定一个，python-docx用它来计算出其他的适当换算值。这样的高宽比是保留的，你的图像看起来不拉伸。

在Inches和Cm提供课程，让你指定派上用场单位进行测量。在内部，python-docx使用英语公制单位，914400为英寸。所以，如果你忘记了，只是把喜欢的东西width=2，你会得到一个非常小的图像:)。你需要从导入docx.shared 子包。你可以在算术中使用它们，就像它们是一个整数，事实上它们是。因此，像一个表达式的作品就好了。width = Inches(3) /thing_count

应用段落样式

如果你不知道一个Word段落风格是你应该肯定检查出来。基本上，它允许您将一整套格式化选项立即应用到段落。这很像CSS样式，如果你知道那些是。

您可以在创建段落时应用段落样式：

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

这种特殊的风格导致段落显示为一个子弹，一个非常方便的东西。您也可以在之后应用样式。

这两行相当于上面的一行：

paragraph = document.add_paragraph('Lorem ipsum dolor sit amet.')
paragraph.style = 'ListBullet'

在此示例中，样式使用其样式ID“ListBullet”指定。通常，通过去除样式名称中出现在Word用户界面（UI）中的空格来形成样式ID。所以风格’列表3号’将被指定为’ListNumber3’。但是，请注意，如果您使用的是本地化版本的Word，则样式ID可能来自英语样式名称，并且可能不会完全对应于其在Word UI中的样式名称。

应用粗体和斜体

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

Run对象既有.bold和.italic属性，您可以设置其值为运行：

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

其产生的文字，看起来像这样：'Lorem存有悲坐阿梅德。“

请注意，您可以对结果集粗体或斜体正确的.add_run()，如果你不需要它为别的：

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

它不是必须提供的文字给.add_paragraph()方法。

这可以使你的代码更简单，如果你从建立段从运行反正：

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

应用字符样式

除了段落样式，其中指定一组段落级别设置，Word有字符样式其指定一组运行级别设置。一般来说，您可以将字符样式视为指定字体，包括其字体，大小，颜色，粗体，斜体等。
像段落样式，字符样式必须已经与你在打开的文档中定义的Document()调用（参见了解样式）。

添加新运行时可以指定字符样式：

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

您还可以在运行创建后将样式应用于运行。

此代码产生的结果与上面的行相同：

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

与段落样式一样，通过删除名称中出现在Word UI中的空格形成样式ID。所以风格’微妙强调’将被指定为’SubtleEmphasis’。请注意，如果您使用的是本地化版本的Word，则样式ID可能来自英语样式名称，并且可能不对应于其在Word UI中的样式名称。

document.add_page_break()

指定路径并保存文件

document.save(filename)

实际案例

案例1

config.py

# -*- encoding: utf-8 -*-
# @File : config.py
# @Author : 安替
# @Time : 2022/9/26 11:45
# @Software : PyCharm
# Python版本：3.6.3

list_files = ["./test1.docx", "./test2.docx"]
final_path = "./test3.docx"

# 插入位置
insert_text = "aaaa"

#插入内容
insert_content = ["", "", ""]

#主标题
replace_text_title_dict = {"", ""}

#二级标题
replace_text_second_dict = {}

# 三级标题
replace_text_third_dict = {}

# 四级标题
replace_text_forth_dict = {}

main.py

# -*- encoding: utf-8 -*-
# @File : test.py
# @Software : PyCharm
# Python版本：3.6.3

from config import *
from docx.oxml.ns import qn
from docx.shared import Pt
from docx import Document
from docx.shared import Inches
from docx.shared import RGBColor
from docxcompose.composer import Composer
from docx.enum.text import WD_ALIGN_PARAGRAPH

def combine_docx():
    """
    Returns
    -------
    合并多个docx文档
    """
    new_document = Document()
    composer = Composer(new_document)
    for fn in list_files:
        composer.append(Document(fn))
    composer.save(final_path)
    print("docx合并完成")
def delete_paragraph(paragraph):
    """
    Parameters
    ----------
    paragraph : 段落

    Returns
    -------
    删除指定段落
    """
    p = paragraph._element
    p.getparent().remove(p)
    paragraph._p = paragraph._element = None
def delete_docx_prefix_description(line, new_line, level, fontsize, alignment, isDelete = True):
    docx = Document(final_path)
    for p in docx.paragraphs:
        if line in p.text:
            ss = p.insert_paragraph_before(new_line)
            ss.alignment = alignment
            ss.style = docx.styles[level]
            for run in ss.runs:
                run.font.size = Pt(fontsize)
                run.font.name = 'Times New Roman'  # 控制是西文时的字体
                run.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')  # 控制是中文时的字体
                run.font.color.rgb = RGBColor(100, 149, 237)
                run.first_line_indent = Inches(0.0)
                run.italic = False
                run.bold = False
            if(isDelete):
                delete_paragraph(p)
    docx.styles['Normal'].font.name = 'Times New Roman'
    docx.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
    docx.save(final_path)
def add_content():
    """
    Returns
    -------
    在指定位置添加段落
    """
    for i in range(len(insert_content)):
        if i != 2:
            delete_docx_prefix_description(insert_text, insert_content[i], "Heading 1", 14, WD_ALIGN_PARAGRAPH.LEFT, False)
        else:
            delete_docx_prefix_description(insert_text, insert_content[i], "Heading 2", 13, WD_ALIGN_PARAGRAPH.LEFT, False)

def modify_styles():
    """
    Returns
    -------
    修改段落字体等样式
    """
    for key ,value in replace_text_title_dict.items():
        delete_docx_prefix_description(key, value, "Heading 1", 26, WD_ALIGN_PARAGRAPH.CENTER)
    for key ,value in replace_text_second_dict.items():
        delete_docx_prefix_description(key, value, "Heading 2", 13, WD_ALIGN_PARAGRAPH.LEFT)
    for key ,value in replace_text_third_dict.items():
        delete_docx_prefix_description(key, value, "Heading 3", 11, WD_ALIGN_PARAGRAPH.LEFT)

    for key ,value in replace_text_forth_dict.items():
        delete_docx_prefix_description(key, value, "Heading 4", 11, WD_ALIGN_PARAGRAPH.LEFT)

def main():
    combine_docx()
    add_content()
    modify_styles()
    
if __name__ == '__main__':
    main()

案例2

from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.oxml.ns import qn
from docx.shared import Pt, RGBColor
document = Document()
 
# 设置正文字型 英文字型：Times New Roman; 中文字型：宋体
document.styles['Normal'].font.name = 'Times New Roman'
document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
# 设置正文字体大小
document.styles['Normal'].font.size = Pt(12)
# 设置正文字体颜色
document.styles['Normal'].font.color.rgb = RGBColor(0, 0, 0)
 
"""标题比较特殊需要单独设置"""
P = document.add_paragraph('')
run = P.add_run("静夜思")
run.font.color.rgb = RGBColor(255, 0, 0)
run.font.size = Pt(14)
run.bold = True
P.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
 
# 添加段落
p_1 = document.add_paragraph('床前明月光\n疑是地上霜\n举头望明月\n低头思故乡')
# 段落居中对齐
p_1.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
  
filename = '静夜思'
document.save('D:\桌面\{}.docx'.format(filename))

附表1——字号磅值对应表

附表2——常用颜色RGB值对照表

附表3——Word内置字符样式中英文对照表

加载全部内容