pythonword

A. python怎麼創建word文件

兩行代碼搞定（其實一行就可以創建了，不過關閉語句必須得有，或者你可以使用with open語句創建文檔，就可以不使用close()方法關閉，它會自動關閉）：

f=open('test.docx','w')#創建docx格式文件
f.close()#關閉文檔，為了解除當前python程序對test.docx文檔的佔用

測試：

1. 首先此目錄並無docx的文檔：
   

已經多個一個test.docx，word的空文檔。因為沒有寫入數據，所以是空文檔。

你可以在f.close()之前，使用f.wrie('testadfas')寫入數據，然後再調用f.close()關閉

B. 如何用python讀取word

使用Python的內部方法open()讀取文本文件

try:
f=open('/file','r')
print(f.read())
finally:
iff:
f.close()

如果讀取word文檔推薦使用第三方插件，python-docx 可以在官網上下載

使用方式

#-*-coding:cp936-*-
importdocx
document=docx.Document(文件路徑)
docText='

'.join([
paragraph.text.encode('utf-8')forparagraphindocument.paragraphs
])
printdocText

C. 說說 python-docx 解析 word 文檔的原理

首先通過 pip 安裝 python-docx，命令為 pip install python-docx 。

python-docx 使用 Document 對象來表示整個 docx 文檔。其內部包含 一個Paragraph 對象列表。每個 Paragraph 對應 docx 文檔的一個段落。

word 文檔中除了字元串，還包含字體、大小、顏色等樣式信息。相同樣式的連續字元串，就會被保存在一個 Run 對象中。

假設 docx 文檔中有下面這些內容：

那麼經過 python-docx 解析，就會生成 3 個 Run 對象：

D. python設置word文檔格式內容

import docx
doc=docx.Document()
整數 0 表示標題是 Title 樣式，這用於文檔的頂部。整數 1 到 45是不同的標題層次，是主要的標題， 45是最低層的子標題。
doc.add_heading('標題0',0)
doc.add_heading('標題1',1)
doc.add_heading('標題2',2)
doc.add_heading('標題3',3)
doc.add_heading('標題4',4)
doc.add_heading('標題5',5)
doc.save('example3.docx')

1# 添加內容
paragraph = doc_.add_paragraph()
run_ = paragraph.add_run("Python 博客")

2# 獲取字體對象
font_ = run_.font

3# 設置下劃線
font_.underline = True

4# 設置加粗
font_.bold = True

5# 設置字體顏色
font_.color.rgb = RGBColor(0xFF,0x00,0x00)

6# 設置字體大小
font_.size = Pt(20)

7# 獲取段落格式
paragraph_format = paragraph.paragraph_format

8# 設置首行縮進
paragraph_format.first_line_indent = Inches(0.2)

9# 設置段前距，單位為英鎊
paragraph_format.space_after = Pt(10)

10# 設置段後距，單位為英鎊
paragraph_format.space_before = Pt(5)

11# 添加表格
table_ = doc_.add_table(rows=2, cols=2, style="Medium Grid 1 Accent 1")

12# 填寫第一行第一列內容
table_.cell(0,0).text ="

13# 填寫第一行第二列內容
table_.cell(0,1).text =""

14# 填寫第二行第一列內容
table_.cell(1,0).text ="描述"

15# 填寫第二行第二列內容
table_.cell(1,1).text =""

16# 添加圖片、width 屬性設置大小
doc_.add_picture(r"/usr/load/download/test.png", width=Inches(4.25))

17# 保存文檔
doc_.save('Python--Word 內容格式.docx')

E. python從word中讀取規則數據存到excel中

word中文件的格式如圖，類似一個標準的參考文獻格式，而我的需求是按照作者，論文名，期刊名，時間，期卷號存到一個excel中。
1.首先，word的python讀取每次讀的是塊。
2.通過對格式的分析，確定了利用，來分割字元串，然後再用.來分割上次分割的第一個字元串，這對於期刊論文很適用，對於會議論文的可用性就弱很多。
3.數據的傳遞使用的是list而不是字典，如果有機會的話，可能字典更好用，只是時間有限。

python自帶的split
並且支持反向切割，str.rsplit()語法和正向一致
2.re庫帶的split，自認為的亮點是可以支持吧不同的符號作為切割位點，例如，

re.match與re.search的區別
re.match只匹配字元串的開始，如果字元串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字元串，直到找到一個匹配

Python 的 re 模塊提供了re.sub用於替換字元串中的匹配項。
語法：

F. Python Word文檔處理 上篇：python-docx

某天我收到一個需求：希望能夠用python對word文檔進行一些處理，比如更換一些文字以及添加批註。

簡單搜索後，我發現 python-docx 是一個處理docx文檔的常用python庫，因此我打算用它來進行進一步開發。

官方文檔 提供了一個簡單的示例

python-docx 將文檔抽象為document對象、paragraph對象以及run對象，提供了圍繞這些對象進行簡單處理的API

然而在文檔中並沒有出現關於批註操作的部分，我在搜尋 一些文章 後發現了在某個 issue 中提及了添加批註相關信息，然而還是沒有得到具體的解決辦法

docx文檔底層是由XML文件組成的

我們可以將一個 xx.docx 文件的後綴名改為 .rar 然後將其手動解壓，可以得到下面這些文件

在諸多文件當中主要用到的是 document.xml 文件，這里保存了文檔的內容

打開一份 document.xml 文件，拋開header、footer、table以及其他特殊項，去掉樣式等修飾項，一份樸素的docx文檔主要可以分為三個部分：paragraph、run、text

paragraph即段落，就是我們在word當中看到的一段。text即文本，就是真實的內容。run比較抽象，我們可以將其理解為片段，即語句的切分。

為了更好地理解run是什麼，打開一篇word文檔定位其中一句話

讓我們看看這篇文檔解壓之後的 document.xml 文件中對應的部分

OK，我們可以看到原本完整的一句話在word中被拆分成了許多個 <w:r> 標簽，這就是 run ，word切分 run 的規則很多，有的根據標點符號，有的根據中文分詞，句子中如果存在不同樣式的字詞也會單獨切分出來，因此我們很難預估一句話究竟會被分成幾個片段。

在issue中搜索comment關鍵字發現在一個 merge request 上已經給出了添加批註的解決方案，可以通過 paragraph 對象上的 add_comment 方法給一個段落添加批註

但這還是不符合我的需求，我的目標是精準添加到某個詞或者短語上

打開 這個貢獻者的源碼 進行研究

其實就是在P標簽內插入comment標簽引用，同時添加comment標簽到xx文件

同理我們可以在r標簽內插入comment標簽引用，同時添加comment標簽到xx文件，這樣就能實現給特定詞添加批註的需求了

G. python新建word文檔

話說，你是在自己電腦上好好的，然後突然不行了
還是在別人電腦不行了？
word.displayalerts
這個是2013的屬性
Microsoft Word 14.0，這是2010版

H. python怎麼在word表中插圖片

# -*- coding: UTF8 -*-from docx import Documentfrom docx.shared import Pt doc = Document() # 文件存儲路徑path = "C:\\Users\\Administrator\\Desktop\\word文檔\\" # 讀取文檔# doc = Document(path + "hello.docx") # 添加圖片，後面的參數設置圖片尺寸，可以選填doc.add_picture(path + 'cat.jpg', width=Pt(300))

I. python合並word

合並多個 word文件到 一個文件 中，用於文件的批量列印。

要求：

採用 python 實現，使用python中的 python-docx 和 docxcompose 結合的方式來實現此功能。

優點：

缺點：

​ 只支持docx 文件的合並， 不支持doc文件 。如想通過此模式合並doc文件，需將doc文檔轉換為docx文檔。

將一個文件夾中的所有文件，都合並到一個文檔中。

要求每個文檔，都從一個新頁面開始，因此需在除第一個文檔的每個文檔前面加上 分頁符 ，所以單獨定義了一個只包含分頁符的文檔 page_break_doc 。

部分情況下會出現問題，如文檔當前已經到 最後一行 了，新加的分頁符會導致生成一頁空白的文件， 此種情況，後續更新此文章時解決 。

定義目標文檔，初始化時，採用 target_doc = Document(source_file_path_list[0]) 的方式，以第一個要拼接的文檔作為初始文檔。
主要是因為，如果創建的空的文檔 target_doc = Document() ，新生成的文檔中 自帶的文檔樣式 （如標題樣式、正文樣式等） 將會影響新拼接的文檔中的採用了默認樣式的內容 ，故模板文檔從第一個文檔中進行載入默認樣式，避免了這種情況。

這也是網上大多數採用此種方式合並word，樣式發生變更的原因 ，需注意此問題。

同時需注意，如果拼接的文檔中，存在默認格式不一樣，並且未為段落、文字指定單獨樣式的情況時，需檢查，第一個文件作為模板載入的默認樣式， 是否會影響後續的其他文件合並後的默認樣式 。

200個文件合並，耗時10秒左右。速度非常快

python腳本的程序，其他程序可以直接通過 命令行的形式調用 ，或者python提供http介面，程序通過 http介面調用 。

切記通過http介面調用其他程序是，需設置好調用超時時間，防止無限等待請求結果，導致負載均衡時，大量請求超時而導致的程序整體不再分發請求。

J. python輸出word內容

程序導出word文檔的方法
將web/html內容導出為world文檔，再java中有很多解決方案，比如使用Jacob、Apache POI、Java2Word、iText等各種方式，以及使用freemarker這樣的模板引擎這樣的方式。php中也有一些相應的方法，但在python中將web/html內容生成world文檔的方法是很少的。其中最不好解決的就是如何將使用js代碼非同步獲取填充的數據，圖片導出到word文檔中。
1. unoconv
功能：
1.支持將本地html文檔轉換為docx格式的文檔，所以需要先將網頁中的html文件保存到本地，再調用unoconv進行轉換。轉換效果也不錯，使用方法非常簡單。
\# 安裝
sudo apt-get install unoconv
\# 使用
unoconv -f pdf *.odt
unoconv -f doc *.odt
unoconv -f html *.odt

缺點：
1.只能對靜態html進行轉換，對於頁面中有使用ajax非同步獲取數據的地方也不能轉換（主要是要保證從web頁面保存下來的html文件中有數據）。
2.只能對html進行轉換，如果頁面中有使用echarts,highcharts等js代碼生成的圖片，是無法將這些圖片轉換到word文檔中；
3.生成的word文檔內容格式不容易控制。
2. python-docx
功能：
1.python-docx是一個可以讀寫word文檔的python庫。
使用方法：
1.獲取網頁中的數據，使用python手動排版添加到word文檔中。
from docx import Document
from docx.shared import Inches
document = Document()
document.add_heading('Document Title', 0)
p = document.add_paragraph('A plain paragraph having some ')
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))
table = document.add_table(rows=1, cols=3)
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')
from docx import Document
from docx.shared import Inches
document = Document()
for row in range(9):
t = document.add_table(rows=1,cols=1,style = 'Table Grid')
t.autofit = False #很重要！
w = float(row) / 2.0
t.columns[0].width = Inches(w)
document.save('table-step.docx')

缺點：
1.功能非常弱。有很多限制比如不支持模板等，只能生成簡單格式的word文檔。
程序導出PDF文檔方法
1.pdfkit
功能：
1.wkhtmltopdf主要用於HTML生成PDF。
2.pdfkit是基於wkhtmltopdf的python封裝，支持URL，本地文件，文本內容到PDF的轉換，其最終還是調用wkhtmltopdf命令。是目前接觸到的python生成pdf效果較好的。
優點：
1.wkhtmltopdf：利用webkit內核將HTML轉為PDF
webkit是一個高效、開源的瀏覽器內核，包括Chrome和Safari在內的瀏覽器都使用了這個內核。Chrome列印當前網頁的功能，其中有一個選項就是直接「保存為 PDF」。
2.wkhtmltopdf使用webkit內核的PDF渲染引擎來將HTML頁面轉換為PDF。高保真，轉換質量很好，且使用非常簡單。
使用方法：
\# 安裝
pip install pdfkit
\# 使用
import pdfkit
pdfkit.from_url('', 'out.pdf')
pdfkit.from_file('test.html', 'out.pdf')
pdfkit.from_string('Hello!', 'out.pdf')

缺點：
1.對使用echarts，highcharts這樣的js代碼生成的圖標無法轉換為pdf（因為它的功能主要是將html轉換為pdf,而不是將js轉換為pdf）。對於純靜態頁面的轉換效果還是不錯的。
2.其他
其他生成pdf的插件還有：weasyprint，reportlab，PyPDF2等，經簡單試驗都不如pdfkit效果好，且有些用法復雜。