工作中會遇到需要讀取一個有幾百頁的word文檔並從中整理出一些信息的需求，比如產品的API文檔一般是word格式的。幾百頁的文檔，如果手工一個個去處理，幾乎是不可能的事情。這時就要找一個庫寫腳本去實現了，而本文要講的python-docx庫就能滿足這個需求。
安裝
pip install python-docx
寫docx文件
示例代碼：
# coding:utf-8
# 寫word文檔文件
import sys
from docx import Document
from docx.shared import Inches
def main():
reload(sys)
sys.setdefaultencoding('utf-8')
# 創建文檔對象
document = Document()
# 設置文檔標題，中文要用unicode字符串
document.add_heading(u'我的一個新文檔',0)
# 往文檔中添加段落
p = document.add_paragraph('This is a paragraph having some ')
p.add_run('bold ').bold = True
p.add_run('and some ')
p.add_run('italic.').italic = True
# 添加一級標題
document.add_heading(u'一級標題, level = 1',level = 1)
document.add_paragraph('Intense quote',style = 'IntenseQuote')
# 添加無序列表
document.add_paragraph('first item in unordered list',style = 'ListBullet')
# 添加有序列表
document.add_paragraph('first item in ordered list',style = 'ListNumber')
document.add_paragraph('second item in ordered list',style = 'ListNumber')
document.add_paragraph('third item in ordered list',style = 'ListNumber')
# 添加圖片，並指定寬度
document.add_picture('e:/docs/pic.png',width = Inches(1.25))
# 添加表格: 1行3列
table = document.add_table(rows = 1,cols = 3)
# 獲取第一行的單元格列表對象
hdr_cells = table.rows[0].cells
# 為每一個單元格賦值
# 注：值都要為字符串類型
hdr_cells[0].text = 'Name'
hdr_cells[1].text = 'Age'
hdr_cells[2].text = 'Tel'
# 為表格添加一行
new_cells = table.add_row().cells
new_cells[0].text = 'Tom'
new_cells[1].text = '19'
new_cells[2].text = '12345678'
# 添加分頁符
document.add_page_break()
# 往新的一頁中添加段落
p = document.add_paragraph('This is a paragraph in new page.')
# 保存文檔
document.save('e:/docs/demo1.docx')
if __name__ == '__main__':
main()
執行以上代碼會在'e:/docs/'路徑下產生一個demo1.docx文件，其內容如下：
讀docx文件
示例代碼：
# coding:utf-8
# 讀取已有的word文檔
import sys
from docx import Document
def main():
reload(sys)
sys.setdefaultencoding('utf-8')
# 創建文檔對象
document = Document('e:/docs/demo2.docx')
# 讀取文檔中所有的段落列表
ps = document.paragraphs
# 每個段落有兩個屬性：style和text
ps_detail = [(x.text,x.style.name) for x in ps]
with open('out.tmp','w+') as fout:
fout.write('')
# 讀取段落並寫入一個文件
with open('out.tmp','a+') as fout:
for p in ps_detail:
fout.write(p[0] + '\t' + p[1] + '\n\n')
# 讀取文檔中的所有段落的列表
tables = document.tables
# 遍歷table，並將所有單元格內容寫入文件中
with open('out.tmp','a+') as fout:
for table in tables:
for row in table.rows:
for cell in row.cells:
fout.write(cell.text + '\t')
fout.write('\n')
if __name__ == '__main__':
main()
假如在'e:/docs/'路徑下有一個demo2.docx文檔，其內如如下：
執行上面腳本后，輸出的out.tmp文件的內容如下：
注意事項
- 如果段落中是有超鏈接的，那么段落對象是讀取不出來超鏈接的文本的，需要把超鏈接先轉換成普通文本，方法：全選word文檔的所有內容，按快捷鍵Ctrl+Shift+F9即可。
遇到的問題
用pyinstaller打包時的一個問題
用pyinstaller工具（用法詳見：python打包工具pyinstaller的用法）把使用到python-docx庫的腳本打包成exe可執行文件后，雙擊運行生成的exe文件，報錯：
docx.opc.exceptions.PackageNotFoundError: Package not found at 'C:\Users\ADMINI~1.PC-\AppData\Local\Temp\_MEI49~1\docx\templates\default.docx'
經過在stackoverflow上搜索，發現有人遇到過類似的問題（問題鏈接：cx_freeze and docx - problems when freezing），經過嘗試，該問題的第二個回答可以解決這個問題：
I had the same problem and managed to get around it by doing the following. First, I located the default.docx file in the site-packages. Then, I copied it in the same directory as my .py file. I also start the .docx file with Document() which has a docx=... flag, to which I assigned the value: os.path.join(os.getcwd(), 'default.docx') and now it looks like doc = Document(docx=os.path.join(os.getcwd(), 'default.docx')). The final step was to include the file in the freezing process. Et voilà! So far I have no problem.
大概的解決步驟是這樣的：
- 找到python-docx包安裝路徑下的一個名為
default.docx的文件，我是通過everything這個強大的搜索工具全局搜索找到這個文件的，它在我本地所在的路徑是：E:\code\env\.env\Lib\site-packages\docx\templates - 把找到的default.docx文件復制到我的py腳本文件所在的目錄下。
- 修改腳本中創建Document對象的方式：
從原來的創建方式：
document = Document()
修改為：
import os
document = Document(docx=os.path.join(os.getcwd(), 'default.docx'))
- 再次用pyinstaller工具打包腳本為exe文件
- 把default.docx文件復制到與生成的exe文件相同的路徑下，再次運行exe文件，順利運行通過，沒有再出現之前的報錯，問題得到解決。