Python进行office操作 - 用Python读写Word文档入门

目录

0、场景

1、安装python-docx模块

2、读取Word文档

3、写入Word文档

（1）全局样式介绍

（2）调整word样式

（3）创建并写入word

（4）设置多段落

（5）设置标题

（6）设置换行

（7）添加图片

---

0、场景

老板：小明，今天下班前按照我这个要求出500个Word文档

小明：愣了一下，老板你数说什么，500个word文档，我没听错吧，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

老板：我不管，反正下班前我要见到这个500个文档

于是，小明开始起了度娘，各种搜索，终于找到了这边文章，后来花了不到30分钟写了个Python脚本，运行脚本后不到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！

今天，我们先来初步了解一下 用Python读写Word文档。

1、安装python-docx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：

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

（1）全局样式介绍

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~~）

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。

（2）调整word样式

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：

（3）创建并写入word

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')

（4）设置多段落

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')

（5）设置标题

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')

（6）设置换行

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')

（7）添加图片

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')

以上就是本次的简单入门介绍。

其实Word文档各种样式设置，数据类型展示等等非常丰富，而Python-docx这个模块其实也能进行大多数的处理。