使用python編輯和讀取word文檔

python調用word接口主要用到的模板為python-docx，基本操作官方文檔有說明。

python-docx官方文檔地址

 

使用python新建一個word文檔，操作就像文檔里介紹的那樣：

from docx import Document
from docx.shared import Inches

document = Document()

document.add_heading('Document Title', 0)  #插入標題

p = document.add_paragraph('A plain paragraph having some ')   #插入段落
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True

document.add_heading('Heading, level 1', level=1)
document.add_paragraph('Intense quote', style='IntenseQuote')

document.add_paragraph(
    'first item in unordered list', style='ListBullet'
)
document.add_paragraph(
    'first item in ordered list', style='ListNumber'
)

document.add_picture('monty-truth.png', width=Inches(1.25)) #插入圖片

table = document.add_table(rows=1, cols=3) #插入表格
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'Qty'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for item in recordset:
    row_cells = table.add_row().cells
    row_cells[0].text = str(item.qty)
    row_cells[1].text = str(item.id)
    row_cells[2].text = item.desc

document.add_page_break()

document.save('demo.docx')  #保存文檔

讀取和編輯一個已有的word文檔，只需在一開始添加上文件路徑就行了，如下：

from docx import Document
from docx.shared import Inches

document = Document('demo.docx')  #打開文件demo.docx
for paragraph in document.paragraphs:
    print(paragraph.text)  #打印各段落內容文本

document.add_paragraph(
    'Add new paragraph', style='ListNumber'
)    #添加新段落

document.save('demo.docx') #保存文檔

如果是想讀取其中的圖片或是更復雜地編輯，首先我們需要先來認識下docx文檔的格式組成：

docx是Microsoft Office2007之后版本使用的，用新的基於XML的壓縮文件格式取代了其目前專有的默認文件格式，在傳統的文件名擴展名后面添加了字母“x”（即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”）。

docx格式的文件本質上是一個ZIP文件。將一個docx文件的后綴改為ZIP后是可以用解壓工具打開或是解壓的。事實上，Word2007的基本文件就是ZIP格式的，他可以算作是docx文件的容器。

docx 格式文件的主要內容是保存為XML格式的，但文件並非直接保存於磁盤。它是保存在一個ZIP文件中，然后取擴展名為docx。將.docx 格式的文件后綴改為ZIP后解壓, 可以看到解壓出來的文件夾中有word這樣一個文件夾，它包含了Word文檔的大部分內容。而其中的document.xml文件則包含了文檔的主要文本內容。

word目錄下：

document.xml文件內容：

media目錄下存放word文檔中插入的圖片：

所以，我們可以使用手工的方法編輯文件document.xml來對該word文檔內容進行編輯，或是提取文檔media中圖片文件的方式來提取該word文檔中所插入的所有圖片。

import zipfile

f=zipfile.ZipFile('demo.docx','r') 

for filename in f.namelist():
    f.extract(filename)