「第二章」python-docx 中的 Paragraph 教程（一）

前言（对paragraph进行说明）

---

      上一章我们讲了一下 python-docx 是啥，哪儿来的，还有怎么引用它。总体来说，就是扯了各种犊子，还有一点点新手小白可能不太知道的一些东西。这一章，我们开始说一些干货，当然是小白也能理解的、大神选手看一眼就懂的干货。本章，我们将围绕着 python-docx 中的 Paragraph 展开非常、及其、特别简单易懂且详细的一大波讲解。看完本章后，无论小白还是大白还是老白，一定都能把这一部分的内容玩儿的很明白。

        本章所讲解的内容主要为 python-docx 中的 Paragraph 的各种操作手法，那我一直默默唧唧说的这个 Paragraph 到底是个啥子东西呢？我们先来了解一下在 python-docx 眼中，docx 的长相是什么样子的，来一张图辅助理解一下。

        如上图所示，在 docx 中，每一个段落，就是 python-docx 眼中的一个 paragraph，毕竟这个单词本身也是段落的意思。每一个 Paragraph 又由若干个 run 组成，一般情况下，在同一个 Paragraph 中，如果包含不同字体的个别词或句子，就会被定义为一个 run。在python-docx眼中，下图是一个paragraph，但由于字体格式的不同，这个paragraph又被分为了三个run。

注：虽然不同的字体会将一个段落分为若干的run，但是我们在实际对docx文档的操作过程中会发现，即使字体完全相同，一个paragraph可能也会被分成毫无规则的若干个run。

Paragraph 的实际操作（一）

为了少说废话，多多带大家认识、熟悉和掌握python-docx中的各种功能函数，在接下来的篇幅中，我们会从实例处理出发，解释python-docx中的每一个功能函数。

---

目标一、使用python-docx读取（遍历）所有 Paragraph。

A、过程描述：

① 随便创建一个docx文档，在其中写入几段内容，在本次的样例中，我所使用的文档为：朱自清《背影》。

② 打开Spyder，创建python工程，并引入python-docx库。

③ 利用python-docx提供的函数对文档进行处理。

注：

（1）关于我为什么使用Spyder，这里面为什么不是pyCharm、VSCode等其它编程环境，在第一章中已经说明了，其实不管白猫还是黑猫，只要能抓住耗子，就是好猫，大家各自【投己所好】。

（2）如何安装python-docx依赖库、如何在工程中引入python-docx库，在第一章中已经进行了详细的讲解，这里就不再赘述了。

B、代码实现：

第一步、使用第一章中讲解引入python-docx的方法，在我们的工程中引入python-docx依赖库。

# 在本例中，我使用 import 直接将 docx 作为相对路径引入本工程。

# 当然你也可以使用 from docx import document，或 from docx import * 进行引用。

import docx

第二步、使用python-docx依赖库提供的命令打开我们想要操作的文档。

import docx

# 使用 import 引入 python-docx 依赖库后，使用 docx.Document() 语句打开我们的目标文档，

# 并把打开的文档存储于变量 docTemp 中。

docTemp = docx.Document('E:\\UserData\\Desktop\\背影.docx')

读入文档后，如果我们对 docTemp 进行输出，会得到如下的结果：

# 使用 print() 语句对变量 docTemp 进行输出。

print(docTemp)

# 使用 print() 语句输出 docTemp 得到如下结果

第三步、构建 for 循环，对文档中的 paragraph 进行遍历输出。

# 以下代码的含义为：

# docTemp.paragraphs 代表文档中所有段落的集合，

# 从 docTemp 这篇 docx 文档的第一段开始，一直到最后一段，依次输出每一段，

# 此时，我们输出的为文档中的每一个 paragraph 对象，即每一段，但并非每一段的文本。

for paragraph in docTemp.paragraphs:
    print(paragraph)

# 上述代码输出内容如下：

如上面代码中注释部分所说，上面这一段代码输出的为文档中的每一个 paragraph 对象，从上到下分别问文档中的第一段至第八段，但并非我们想要的段落文本，我们最终想输出的内容为被操作的文档的每一段的文本，这个时候，我们需要使用 paragraph 的参数：text，书写方式为：paragraph.text，代码如下：

# 以下代码的含义为：

# docTemp.paragraphs 代表文档中所有段落的集合，

# 从文档的第一段开始，一直读取到最后一段，

# 并输出每一段的 text，即为我们想要的每一段的文本。

for paragraph in docTemp.paragraphs:
    print(paragraph.text)

综上所述，目标一：使用python-docx读取所有段落（Paragraph）的完整代码如下：

import docx

docTemp = docx.Document('E:\\UserData\\Desktop\\背影.docx')

print(docTemp)

for paragraph in docTemp.paragraphs:
    print(paragraph.text)

注：

（1）通过上面的描述我们可以知道，一个文档的所有段落集合为：docTemp.paragraphs，它其实是一个数组，计数从0开始，文档如果一共有八段，则计数则为 0-7，所以如果我们想要输出文档对象的特定段落，可以通过以下方式进行输出：

# 输出文档中的第一段的文本
print(docTemp.paragraphs[0].text)

# 输出文档中的第二段的文本
print(docTemp.paragraphs[1].text)

# 输出文档中的第八段的文本
print(docTemp.paragraphs[7].text)

（2）一篇文档的段落数未知的情况下，如果我们想要操作第一段，那肯定就会通过 docTemp.paragraphs [ 0 ] 的方式去操作，那如果我们想直接操作最后一段，而文档的段落总数有可能会发生变的话，我们可以通过如下方式进行：

# 一篇文档不管多长，不管他段落是增加，还是减少，最后一段的位置永远不会变。

# 以下代码的意思就是：

# 使用 len(docTemp.paragraphs) 取出所有段落数，

# 用取出来的所有段落数 减去 1，即为最后一段所在位置。

docTemp.paragraphs[len(docTemp.paragraphs)-1].text

所以，最后一段就是：段落总数 减去 1，倒数第二段就是：段落总数 减去 2，知道了这些，我们就可以在使用 pthon-docx 更加灵活的操作文档。

第一节先写到这里了。

第二章的后续会为大家继续更新 paragraph 中 run 的遍历，以及 paragraph 的增、删、改、查以及字体、段落格式的修改等内容。