API: http://python-docx.readthedocs.io/en/latest/#api-documentation
1.將doc轉為docx
python3.8中win32com 要安裝pypiwin32 pip install pypiwin32
from win32com import client as wc
word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(路徑+名稱.doc)
doc.SaveAs(路徑+名稱.docx, 12) 12為docx
doc.Close()
word.Quit()
2.讀取段落
import docx
docStr = Document(docName) 打開文檔
for paragraph in docStr.paragraphs:
parStr = paragraph.text
--》paragraph.style.name == 'Heading 1' 一級標題
--》paragraph.paragraph_format.alignment == 1 居中顯示
--》paragraph.style.next_paragraph_style.paragraph_format.alignment == 1 下一段居中顯示
--》paragraph.style.font.color
3.讀取表格
numTables = docStr.tables
for table in numTables:
#行列個數
row_count = len(table.rows)
col_count = len(table.columns)
for i in range(row_count):
row = table.rows[i].cells
i行j列內容：row[j].text
或者：
row_count = len(table.rows)
col_count = len(table.columns)
for i in range(row_count):
for j in range(col_count):
print(table.cell(i,j).text)
4.按樣式讀取
讀取標題
for p in doc.paragraphs:
if p.style.name=='Heading 1':
print(p.text)
import re
for p in doc.paragraphs:
if re.match("^Heading \d+$",p.style.name):
print(p.text)
讀取正文
for p in doc.paragraphs:
if p.style.name=='Normal':
print(p.text)
獲取docx支持的樣式
from docx.enum.style import WD_STYLE_TYPE
for i in s:
if i.type==WD_STYLE_TYPE.PARAGRAPH:
print(i.name)
5.獲取文字格式信息
paragraph 對象 里還有更小的 run 對象，run 對象才包含了段落對象的文字信息。
paragraph.text 方法也是通過 run 對象的方法獲取到文字信息的：
paragraph.text 方法源碼：
def text(self):
text = ''
for run in self.runs:
text += run.text
return text
文字的字體、大小、下划線等信息都包含在 run 對象中（不清楚的看前面的博客）：
獲取段落的 run 對象列表
runs = par0.runs
print(runs)
獲取 run 對象
run_0 = runs[0]
print(run_0.text) # 獲取 run 對象文字信息
打印結果：
堅持因地制宜，差異化打造特色小鎮，
文檔 段落 和 run 對象示意：
獲取文字格式信息：
# 獲取文字格式信息
print('字體名稱：',run_0.font.name)
# 字體名稱： 宋體
print('字體大小：',run_0.font.size)
# 字體大小： 152400
print('是否加粗：',run_0.font.bold)
# 是否加粗： None
print('是否斜體：',run_0.font.italic)
# 是否斜體： True
print('字體顏色：',run_0.font.color.rgb)
# 字體顏色： FF0000
print('字體高亮：',run_0.font.highlight_color)
# 字體高亮： YELLOW (7)
print('下划線：',run_0.font.underline)
# 下划線： True
print('刪除線：',run_0.font.strike)
# 刪除線： None
print('雙刪除線：',run_0.font.double_strike)
# 雙刪除線： None
print('下標：',run_0.font.subscript)
# 下標： None
print('上標：',run_0.font.superscript)
# 上標： None
LIK2
6.設置首行縮進
from docx.shared import Inches,Pt
par2 = doc.add_paragraph('段落文本')
# 左縮進,0.5 英寸
par2.paragraph_format.left_indent = Inches(0.5)
# 右縮進,20 磅
par2.paragraph_format.right_indent = Pt(20)
# 首行縮進
par2.paragraph_format.first_line_indent = Inches(1)
查看首行縮進單位
from docx import Document
from docx.shared import Inches
from docx.oxml.ns import qn
from docx.shared import Cm, Pt
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.shared import RGBColor
myDocument = Document('2020年建交集團3月分析報告.docx')
for paragraph in myDocument.paragraphs:
print(paragraph.paragraph_format.first_line_indent)
print(dir(paragraph))
參考文檔：
https://www.e1yu.com/9798.html
https://blog.csdn.net/weixin_45903952/article/details/106200213
https://blog.csdn.net/xtfge0915/article/details/83479922
https://blog.csdn.net/zhouz92/article/details/107028727?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2allfirst_rank_v2~rank_v25-18-107028727.nonecase&utm_term=python%20%E6%AE%B5%E8%90%BD%E8%AE%BE%E7%BD%AE&spm=1000.2123.3001.4430
https://www.w3xue.com/exp/article/20207/92918.html