利用python批量處理Word文件——正文、標題

前面寫了如何處理word中的表格：利用python批量處理Word文件——表格 ,其實我覺得word正文應該很少用到批處理，不過萬一有朋友需要呢，我們要處理的文件內容千奇百怪，但我覺得難點其實是如何對我們想處理的內容進行讀寫，所以這篇博客的主要內容就是word文件的讀寫。我把word文件中的內容分為三類：一是表格；二是圖片；三是其它內容。表格和圖片的處理我在另外的博客中有詳細說明，這里主要談談word正文的讀寫。

在docx中，Word內容的（除表格、圖片）的基本組成是段落，因此word的所有內容都存儲在paragraphs中，paragraph有兩個屬性：一是text，二是style。text存儲段落的內容，style判斷段落的種類。

1.讀取Word內容

1.1讀取Word中的表格

利用python-docx批量處理Word文件——表格

1.2讀取Word中的圖片

利用python-docx批量處理Word文件—圖片

1.3讀取Word正文

from docx import Document
doc=Document("./a.docx")
for p in doc.paragraphs:
    print(p.text)

通過遍歷paragraphs就可以獲得word中全部內容，有時候我們並不需要讀取Word中的所有內容，我們可能只想要某些特殊的內容，比如標題，比如列表，那么docx可否實現呢，答案是肯定的。

1.3.1 讀取Word中的標題

• 一級標題

for p in doc.paragraphs:
    if p.style.name=='Heading 1':
        print(p.text)

• 二級標題

for p in doc.paragraphs:
    if p.style.name=='Heading 2':
        print(p.text)

• 所有標題

import re
for p in doc.paragraphs:
    if re.match("^Heading \d+$",p.style.name):
        print(p.text)

1.3.2 讀取正文

for p in doc.paragraphs:
    if p.style.name=='Normal':
        print(p.text)

1.3.3 其它內容

從前面可以看出，如果知道不同內容的style.name，那么要讀這些內容是極其方便的，這些style.name可以通過以下方式得到：

from docx.enum.style import WD_STYLE_TYPE
for i in s:
    if i.type==WD_STYLE_TYPE.PARAGRAPH:
        print(i.name)

2.Word寫入數據

2.1 標題

寫入標題有兩種方法

doc.add_heading("heading 1",level=1)

or

doc.add_paragraph("heading 1",style='Heading 1')

2.2 正文

doc.add_paragraph("正文")

2.3 分頁符

doc.add_page_break()

2.5 其它

利用add_paragraph可以插入幾何所有內容，只指定對應的style即可。

至於寫入數據時的格式控制說起來就比較復雜了，我就不詳述了，如果大家有需要，可以看下面文檔：

1. 最好的學習文檔：官方API
2. $用python-docx模塊讀寫word文檔
3. 使用Python寫入docx文件並控制字體顏色
4. python docx 中文字體設置

網上資料很多，大家有更多需求就自己去找吧，或着留言。