python办公自动化图片,聊聊python 办公自动化之 Word（中）

作者：星安果

来源：AirPython(公众号)

上一篇文章，对 Word 写入数据的一些常见操作进行了总结，详情请看聊聊python 办公自动化之 Word(上)。相比写入数据，读取数据同样很实用！本篇文章，将谈谈如何全面读取一个 Word 文档中的数据，并会指出一些要注意的点。

基本信息

我们同样使用 python-docx 这个依赖库来对 Word 文档进行读取。首先我们来读取文档的基本信息，它们分别是：章节、页边距、页眉页脚边距、页面宽高、页面方向等。

在获取文档基础信息之前，我们通过文档路径构建一个文档对象 Document。

from docx import Document# 源文件目录self.word_path = './output.docx'# 打开文档，构建一个文档对象self.doc = Document(self.word_path)

1 - 章节( Section )

# 1、获取章节信息# 注意：章节可以设置本页的大小、页眉、页脚msg_sections = self.doc.sectionsprint("章节列表：", msg_sections)# 章节数目print('章节数目:', len(msg_sections))

2 - 页边距( Page Margin )

通过章节对象的 left_margin、top_margin、right_margin、bottom_margin 属性值可以获取当前章节的左边距、上边距、右边距、下边距

def get_page_margin(section):""" 获取某个页面的页边距(EMU) :param section: :return: """ # 分别对应：左边距、上边距、右边距、下边距 left, top, right, bottom = section.left_margin, section.top_margin, section.right_margin, section.bottom_margin return left, top, right, bottom# 2、页边距信息first_section = msg_sections[0]left, top, right, bottom = get_page_margin(first_section)print('左边距:', left, ",上边距：", top, ",右边距：", right, "，下边距：", bottom)

返回值的单位是 EMU，和厘米、英尺的转换关系如下：

3 - 页眉页脚边距

页眉边距：header_distance

页脚边距：footer_distance

def get_header_footer_distance(section):""" 获取页眉、页脚边距 :param section: :return: """ # 分别对应页眉边距、页脚边距 header_distance, footer_distance = section.header_distance, section.footer_distance return header_distance, footer_distance# 3、页眉页脚边距header_distance, footer_distance = get_header_footer_distance(first_section)print('页眉边距:', header_distance, "，页脚边距:", footer_distance)

4 - 页面宽度和高度

页面宽度：page_width

页面高度：page_height

def get_page_size(section):""" 获取页面宽度、高度 :param section: :return: """ # 分别对应页面宽度、高度 page_width, page_height = section.page_width, section.page_height return page_width, page_height# 4、页面宽度、高度page_width, page_height = get_page_size(first_section)print('页面宽度:', page_width, "，页面高度:", page_height)

5 - 页面方向( Page Orientation )

页面方向分为：横向和纵向

使用章节对象的 orientation 属性去获取一个章节的页面方向

def get_page_orientation(section):""" 获取页面方向 :param section: :return: """ return section.orientation# 5、页面方向# 类型：class 'docx.enum.base.EnumValue# 包含：PORTRAIT (0)、LANDSCAPE (1)page_orientation = get_page_orientation(first_section)print("页面方向:", page_orientation)

同样，可以直接使用这个属性设置一个章节的方向

from docx.enum.section import WD_ORIENT# 设置页面方向(横向、竖向)# 设置为横向first_section.orientation = WD_ORIENT.LANDSCAPE# 设置为竖向# first_section.orientation = WD_ORIENT.PORTRAITself.doc.save(self.word_path)

段落

使用文档对象的 paragraphs 属性可以获取文档中所有的段落

注意：这里获取的段落不包含页眉、页脚、表格中的段落

# 获取文档对象中所有的段落，默认不包含：页眉、页脚、表格中的段落paragraphs = self.doc.paragraphs# 1、段落数目paragraphs_length = len(paragraphs)print('文档中一共包含：{}个段落'.format(paragraphs_length))

1 - 段落内容

我们可以遍历文档中所有的段落列表，通过段落对象的 text 属性，获取全部的段落内容

# 0、读取所有段落数据contents = [paragraph.text for paragraph in self.doc.paragraphs]print(contents)

2 - 段落格式

通过上一篇文章，我们知道段落也存在格式的

使用 paragraph_format 属性获取段落的基本格式信息

包含：对齐方式、左右缩进、行间距、段落前后间距等

# 2、获取某一个段落的格式信息paragraph_someone = paragraphs[0]# 2.1 段落内容content = paragraph_someone.textprint('段落内容:', content)# 2.2 段落格式paragraph_format = paragraph_someone.paragraph_format# 2.2.1 对齐方式# alignment = paragraph_format.alignmentprint('段落对齐方式：', alignment)# 2.2.2 左、右缩进left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indentprint('段落左缩进:', left_indent, "，右缩进:", right_indent)# 2.2.3 首行缩进first_line_indent = paragraph_format.first_line_indentprint('段落首行缩进:', first_line_indent)# 2.2.4 行间距line_spacing = paragraph_format.line_spacingprint('段落行间距:', line_spacing)# 2.2.5 段落前后间距space_before, space_after = paragraph_format.space_before, paragraph_format.space_afterprint('段落前、后间距分别为:', space_before, ',', space_after)

文字块 - Run

文字块 Run 属于段落的一部分，所以，要获取文字块信息，必须先拿到一个段落实例对象

以文字块基本信息、字体格式信息为例

1 - 文字块基本信息

我们使用段落对象的 runs 属性获取段落内所有的文字块对象

def get_runs(paragraph):""" 获取段落下所有的文字块信息，包含：数目、内容列表 :param paragraph: :return: """ # 段落对象包含的文字块Run runs = paragraph.runs # 数量 runs_length = len(runs) # 文字块内容 runs_contents = [run.text for run in runs] return runs, runs_length, runs_contents

2 - 文字块格式信息

文字块是文档中最小的文字单元，使用文字块对象的 font 属性可以拿到它的字体属性

和设置文字块格式属性一一对应，字体名称、大小、颜色、是否加粗、是否斜体等都可以获取到

# 2、文字块格式信息# 包含：字体名称、大小、颜色、是否加粗等# 某一个文字块的字体属性run_someone_font = runs[0].font# 字体名称font_name = run_someone_font.nameprint('字体名称:', font_name)# 字体颜色(RGB)# font_color = run_someone_font.color.rgbprint('字体颜色:', font_color)print(type(font_color))# 字体大小font_size = run_someone_font.sizeprint('字体大小:', font_size)# 是否加粗# True:加粗；None/False：没有加粗font_bold = run_someone_font.boldprint('是否加粗：', font_bold)# 是否斜体# True:协议；None/False：不是斜体font_italic = run_someone_font.italicprint('是否斜体:', font_italic)# 带下划线# True：带有下滑线；None/False:字体没有带下滑线font_underline = run_someone_font.underlineprint('带有下滑线:', font_underline)# 删除线/双删除线# True：带有删除线；None/False:字体没有带删除线font_strike = run_someone_font.strikefont_double_strike = run_someone_font.double_strikeprint('带有删除线:', font_strike, "\n带有双删除线:", font_double_strike)

表格

文档对象的 tables 属性可以获取当前文档中所有的表格对象

# 文档中所有的表格对象tables = self.doc.tables# 1、表格数量table_num = len(tables)print('文档中包含的表格数量:', table_num)

1 - 表格所有数据

获取表格中所有数据有 2 种方式

第一种方式：通过遍历文档中所有表格，然后按行和单元格进行遍历，最后通过单元格的 text 属性获取所有单元格的文本内容

# 2、读取所有表格数据# 所有表格对象# tables = [table for table in self.doc.tables]print('内容分别是：')for table in tables:for row in table.rows: for cell in row.cells: print(cell.text, end=' ') print() print('\n')

另外一种方式是使用表格对象的 _cells 属性获取表格中所有的单元格，然后遍历获取单元格的值

def get_table_cell_content(table):""" 读取表格中所有单元格是内容 :param table: :return: """ # 所有单元格 cells = table._cells cell_size = len(cells) # 所有单元格的内容 content = [cell.text for cell in cells] return content

2 - 表格样式

# 3、表格样式名称# Table Gridtable_someone = tables[0]style = table_someone.style.nameprint("表格样式:", style)

3 - 表格行数量、列数量

table.rows：表格中的行数据迭代对象

table.columns：表格中的列数据迭代对象

def get_table_size(table):""" 获取表格的行数量、列数量 :param table: :return: """ # 几行、几列 row_length, column_length = len(table.rows), len(table.columns) return row_length, column_length

4 - 行数据、列数据

有时候，我们需要单独按照行或者列，获取全部数据

def get_table_row_datas(table):""" 获取表格中行数据 :param table: :return: """ rows = table.rows datas = [] # 每一行获取单元格的数据组成列表，加入到结果列表中 for row in rows: datas.append([cell.text for cell in row.cells]) return datasdef get_table_column_datas(table): """ 获取表格中列数据 :param table: :return: """ columns = table.columns datas = [] # 每一列获取单元格的数据组成列表，加入到结果列表中 for column in columns: datas.append([cell.text for cell in column.cells]) return datas

图片

有时候，我们需要将 Word 文档中的图片下载到本地，Word 文档实际上也是一个压缩文件，我们使用解压工具后发现，文档包含的图片都放置在/word/media/ 目录下

提取文档图片有 2 种方法，分别是：

解压文档文件，将对应目录下的图片拷贝出来使用 python-docx 内置的方法提取图片( 推荐 )def get_word_pics(doc, word_path, output_path): """ 提取word文档内的图片 :param word_path:源文件名称 :param output_path: 结果目录 :return: """ dict_rel = doc.part._rels for rel in dict_rel: rel = dict_rel[rel] if "image" in rel.target_ref: # 图片保存目录 if not os.path.exists(output_path): os.makedirs(output_path) img_name = re.findall("/(.*)", rel.target_ref)[0] word_name = os.path.splitext(word_path)[0] # 新的名称 newname = word_name.split('\\')[-1] if os.sep in word_name else word_name.split('/')[-1] img_name = f'{newname}_{img_name}' # 写入到文件中 with open(f'{output_path}/{img_name}', "wb") as f: f.write(rel.target_part.blob)

页眉页脚

页眉和页脚都是基于章节，我们以某一个章节对象为例进行说明。

# 获取某一个章节first_section = self.doc.sections[0]

使用章节对象的 header、footer 属性可以获取页眉、页脚对象。由于页眉、页脚可能包含多个段落 Paragraph，因此，我们可以先使用页眉页脚对象的 paragraphs 属性获取所有段落，然后遍历出所有段落的值，最后拼接起来就是页眉页脚的全部内容。

# 注意：页眉、页脚都有可能包含多个段落# 页眉所有的段落header_content = " ".join([paragraph.text for paragraph in first_section.header.paragraphs])print("页眉内容:", header_content)# 页脚footer_content = " ".join([paragraph.text for paragraph in first_section.footer.paragraphs])print("页脚内容:", footer_content)

举报/反馈