使用PYTHON實現docx文檔的讀寫

經常寫文章的小白們會遇到這樣的問題，知道想表達的意思，想出了大概描述的詞匯，但就是缺乏完整漂亮的句子，也許曾經在某個地方看到過，但是找不到了。另外一種情況，閱讀了大量的報告，用的時候想到了其中的某個結論或者數據，想要追根溯源卻有點難。可惜word軟件不提供在一堆文件里查找的功能，也沒有類似於正則表達式的檢索方法，只好自力更生來實現了。

python大法好。

依賴的包：python-docx

安裝：pip install python-docx

引用：import docx

.docx文件的結構比較復雜，分為三層，1、Docment對象表示整個文檔；2、Docment包含了Paragraph對象的列表，Paragraph對象用來表示文檔中的段落；3、一個Paragraph對象包含Run對象的列表，用下面這個圖說明Run到底是神馬東西。

Word里面的文本不只是包含了字符串，還有字號、字體、顏色等等屬性，都包含在style中。一個Run對象就是style相同的一段文本，新建一個Run就有新的style。

下面是一些簡單的演示：

>>> import docx
>>> doc = docx.Document('D:\project\python\searchdocx\demo.docx')
>>> doc
<docx.document.Document object at 0x0000000003277B40>
>>> len(doc.paragraphs)
7
>>> doc.paragraphs[0].text
u'Document Title'
>>> doc.paragraphs[1].text
u'A plain paragraph with some bold and some italic'
>>> len(doc.paragraphs[1].runs)
5
>>> doc.paragraphs[1].runs[0]
<docx.text.run.Run object at 0x00000000032C8710>
>>> doc.paragraphs[1].runs[0].text
'A plain paragraph with'
>>> doc.paragraphs[2].runs[0].text
'Heading, level 1'
>>> doc.paragraphs[1].runs[1].text
' some '
>>>

當然，也可以寫一個簡單的方法，讀取文檔中的所有文字，不管格式。

import docx

def readDocx(docName):
    fullText = []
    doc = docx.Document(docName)
    paras = doc.paragraphs
    for p in paras:
        fullText.append(p.text)
    return '\n'.join(fullText)