python-docx 取消首行缩进

前言

        python的docx库想必大家并不陌生，就是处理word文档（docx格式）的三方库。但有些格式总是遍查各个网站都没有结果，无法处理。比如，对段落格式的首行缩进2字符如何取消？本文就是对此进行介绍，以及记录探索过程。

        若不想看过程，可直奔文末看结论。

探索过程

1、缘由

        最初的需求是，同事编写帮助文档的Word后，需要将文档（含图片）复制到网站的富文本编辑器中，以供用户查阅。但是一顿繁琐的操作上传图片后，富文本中的图片总是很模糊，不是原图，原因是编写word时，word本身就对大图做了压缩。

        后来另一个同事对富文本编辑器编写了一个插件，自动提取word中的图片，解决了繁琐的操作，但仍无法获取原图。然后我用python-docx编写了一个工具，将图片还原为原图大小，结合起来用就可以满足需求。

        但问题来了，那位同事写的文档格式很不规范，前面首行缩进的段落换行后直接粘贴图片，于是图片所在行也有了首行缩进，图片的编号也是，而该同事又只对图编号居中。这样在word中还不觉得有什么，但在大显示屏的网页查看，就是图片居左、编号居中。

        于是我就想在我写的工具中一并处理：将首行缩进全部取消，然后居中。

2、最初方案（不可行）

        最开始的思路就是直接赋值，像这样：

from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

doc = Document(r'D:/test/文本缩进测试.docx')
graph = doc.paragraphs[10]  # 某一段落

graph.paragraph_format.first_line_indent = 0  # 首行缩进设置为0
graph.paragraph_format.left_indent = 0  # 左侧缩进设置为0
graph.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中

doc.save(r'D:/test/[已处理]文本缩进测试.docx')

        但是发现，虽然居中了，但缩进没有取消！

3、灵感

        没办法，换种方式尝试，但探索了很长时间都不行，甚至换了种方式：复制本行到新的一行，然后删除原行。但新的问题来了：字体如何获取？

        word中有些字体是继承前面的，使用python-docx获取出来是空值，在网上找了方法获取，然后，最重要的一步设置字体是这段代码：

run.element.rPr.rFonts.set(qn('w:eastAsia'), ‘宋体’)

        完整代码：

from docx import Document
from docx.oxml.ns import qn  

doc = Document(r'D:/test/文本缩进测试.docx')
graph = doc.paragraphs[10]  # 某一段落
run = graph.runs[0]  # 某一段落的某一段内容

run.font.name = ‘宋体’  # 1、先对字体设置
run.element.rPr.rFonts.set(qn('w:eastAsia'), ‘宋体’)  # 2、再对xml的属性赋值

doc.save(r'D:/test/[已处理]文本缩进测试.docx')

        其中，还提到docx文档本质是xml，可以解压获得。于是我解压获得了xml。

        期间，我还尝试了修改缩进属性：（都不可行）

graph.paragraph_format.element.pPr.first_line_indent = 0  # 都不可行
graph.paragraph_format.element.pPr.ind_left = 0

graph.paragraph_format.element.pPr.ind = 0  # 会报错
del graph.paragraph_format.element.pPr.ind  # 会报错

          然后又是打印xml，又是查看解压的xml，终于发觉：既然能通过修改xml属性给字体赋值，为何不能给段落赋值？马上尝试！

4、成功解决

        先对比原文档，和解压后的document.xml文件。原文档截图：

        document.xml文件截图：（建议用浏览器打开xml文件，浏览器会自动解析结构）

       

        好！真相大白！原来就这一行的区别！ 既然无法删掉，那么就设置为0就行了！仿照设置字体的方式，于是：

graph.paragraph_format.element.pPr.ind.set(qn("w:firstLineChars"), '0')  # 这里的0是字符串

        尝试可行！好，完成！

        那么，举一反三，修改xml的其他属性理论上也能通过这种方式实现，妙啊！从此再也不受羁绊了！

结论

        将段落的xml中对应属性赋值为0即可。封装成函数，完整代码：

from docx import Document
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.oxml.ns import qn

def clear_indent_and_center(paragraph):
    paragraph.paragraph_format.left_indent = 0  # 预先对缩进赋值，防止对象为空报错
    paragraph.paragraph_format.element.pPr.ind.set(qn("w:firstLineChars"), '0')  # 去除缩进
    paragraph.paragraph_format.element.pPr.ind.set(qn("w:firstLine"), '0')
    paragraph.paragraph_format.element.pPr.ind.set(qn("w:leftChars"), '0')
    paragraph.paragraph_format.element.pPr.ind.set(qn("w:left"), '0')
    paragraph.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中

doc = Document(r'D:/test/文本缩进测试.docx')
graph = doc.paragraphs[10]  # 某一段落
clear_indent_and_center(graph)
doc.save(r'D:/test/[已处理]文本缩进测试.docx')

        如果要修改文档其他属性，理论上都能通过此方式实现：解压docx→分析xml→直接修改属性值。但滥改很容易导致文档损坏，最好另存为，并注意检查处理后的文档！