pythonword

A. python怎么创建word文件

两行代码搞定（其实一行就可以创建了，不过关闭语句必须得有，或者你可以使用with open语句创建文档，就可以不使用close()方法关闭，它会自动关闭）：

f=open('test.docx','w')#创建docx格式文件
f.close()#关闭文档，为了解除当前python程序对test.docx文档的占用

测试：

1. 首先此目录并无docx的文档：
   

已经多个一个test.docx，word的空文档。因为没有写入数据，所以是空文档。

你可以在f.close()之前，使用f.wrie('testadfas')写入数据，然后再调用f.close()关闭

B. 如何用python读取word

使用Python的内部方法open()读取文本文件

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

如果读取word文档推荐使用第三方插件，python-docx 可以在官网上下载

使用方式

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

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

C. 说说 python-docx 解析 word 文档的原理

首先通过 pip 安装 python-docx，命令为 pip install python-docx 。

python-docx 使用 Document 对象来表示整个 docx 文档。其内部包含 一个Paragraph 对象列表。每个 Paragraph 对应 docx 文档的一个段落。

word 文档中除了字符串，还包含字体、大小、颜色等样式信息。相同样式的连续字符串，就会被保存在一个 Run 对象中。

假设 docx 文档中有下面这些内容：

那么经过 python-docx 解析，就会生成 3 个 Run 对象：

D. python设置word文档格式内容

import docx
doc=docx.Document()
整数 0 表示标题是 Title 样式，这用于文档的顶部。整数 1 到 45是不同的标题层次，是主要的标题， 45是最低层的子标题。
doc.add_heading('标题0',0)
doc.add_heading('标题1',1)
doc.add_heading('标题2',2)
doc.add_heading('标题3',3)
doc.add_heading('标题4',4)
doc.add_heading('标题5',5)
doc.save('example3.docx')

1# 添加内容
paragraph = doc_.add_paragraph()
run_ = paragraph.add_run("Python 博客")

2# 获取字体对象
font_ = run_.font

3# 设置下划线
font_.underline = True

4# 设置加粗
font_.bold = True

5# 设置字体颜色
font_.color.rgb = RGBColor(0xFF,0x00,0x00)

6# 设置字体大小
font_.size = Pt(20)

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

8# 设置首行缩进
paragraph_format.first_line_indent = Inches(0.2)

9# 设置段前距，单位为英镑
paragraph_format.space_after = Pt(10)

10# 设置段后距，单位为英镑
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# 填写第一行第一列内容
table_.cell(0,0).text ="

13# 填写第一行第二列内容
table_.cell(0,1).text =""

14# 填写第二行第一列内容
table_.cell(1,0).text ="描述"

15# 填写第二行第二列内容
table_.cell(1,1).text =""

16# 添加图片、width 属性设置大小
doc_.add_picture(r"/usr/load/download/test.png", width=Inches(4.25))

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

E. python从word中读取规则数据存到excel中

word中文件的格式如图，类似一个标准的参考文献格式，而我的需求是按照作者，论文名，期刊名，时间，期卷号存到一个excel中。
1.首先，word的python读取每次读的是块。
2.通过对格式的分析，确定了利用，来分割字符串，然后再用.来分割上次分割的第一个字符串，这对于期刊论文很适用，对于会议论文的可用性就弱很多。
3.数据的传递使用的是list而不是字典，如果有机会的话，可能字典更好用，只是时间有限。

python自带的split
并且支持反向切割，str.rsplit()语法和正向一致
2.re库带的split，自认为的亮点是可以支持吧不同的符号作为切割位点，例如，

re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配

Python 的 re 模块提供了re.sub用于替换字符串中的匹配项。
语法：

F. Python Word文档处理 上篇：python-docx

某天我收到一个需求：希望能够用python对word文档进行一些处理，比如更换一些文字以及添加批注。

简单搜索后，我发现 python-docx 是一个处理docx文档的常用python库，因此我打算用它来进行进一步开发。

官方文档 提供了一个简单的示例

python-docx 将文档抽象为document对象、paragraph对象以及run对象，提供了围绕这些对象进行简单处理的API

然而在文档中并没有出现关于批注操作的部分，我在搜寻 一些文章 后发现了在某个 issue 中提及了添加批注相关信息，然而还是没有得到具体的解决办法

docx文档底层是由XML文件组成的

我们可以将一个 xx.docx 文件的后缀名改为 .rar 然后将其手动解压，可以得到下面这些文件

在诸多文件当中主要用到的是 document.xml 文件，这里保存了文档的内容

打开一份 document.xml 文件，抛开header、footer、table以及其他特殊项，去掉样式等修饰项，一份朴素的docx文档主要可以分为三个部分：paragraph、run、text

paragraph即段落，就是我们在word当中看到的一段。text即文本，就是真实的内容。run比较抽象，我们可以将其理解为片段，即语句的切分。

为了更好地理解run是什么，打开一篇word文档定位其中一句话

让我们看看这篇文档解压之后的 document.xml 文件中对应的部分

OK，我们可以看到原本完整的一句话在word中被拆分成了许多个 <w:r> 标签，这就是 run ，word切分 run 的规则很多，有的根据标点符号，有的根据中文分词，句子中如果存在不同样式的字词也会单独切分出来，因此我们很难预估一句话究竟会被分成几个片段。

在issue中搜索comment关键字发现在一个 merge request 上已经给出了添加批注的解决方案，可以通过 paragraph 对象上的 add_comment 方法给一个段落添加批注

但这还是不符合我的需求，我的目标是精准添加到某个词或者短语上

打开 这个贡献者的源码 进行研究

其实就是在P标签内插入comment标签引用，同时添加comment标签到xx文件

同理我们可以在r标签内插入comment标签引用，同时添加comment标签到xx文件，这样就能实现给特定词添加批注的需求了

G. python新建word文档

话说，你是在自己电脑上好好的，然后突然不行了
还是在别人电脑不行了？
word.displayalerts
这个是2013的属性
Microsoft Word 14.0，这是2010版

H. python怎么在word表中插图片

# -*- coding: UTF8 -*-from docx import Documentfrom docx.shared import Pt doc = Document() # 文件存储路径path = "C:\\Users\\Administrator\\Desktop\\word文档\\" # 读取文档# doc = Document(path + "hello.docx") # 添加图片，后面的参数设置图片尺寸，可以选填doc.add_picture(path + 'cat.jpg', width=Pt(300))

I. python合并word

合并多个 word文件到 一个文件 中，用于文件的批量打印。

要求：

采用 python 实现，使用python中的 python-docx 和 docxcompose 结合的方式来实现此功能。

优点：

缺点：

​ 只支持docx 文件的合并， 不支持doc文件 。如想通过此模式合并doc文件，需将doc文档转换为docx文档。

将一个文件夹中的所有文件，都合并到一个文档中。

要求每个文档，都从一个新页面开始，因此需在除第一个文档的每个文档前面加上 分页符 ，所以单独定义了一个只包含分页符的文档 page_break_doc 。

部分情况下会出现问题，如文档当前已经到 最后一行 了，新加的分页符会导致生成一页空白的文件， 此种情况，后续更新此文章时解决 。

定义目标文档，初始化时，采用 target_doc = Document(source_file_path_list[0]) 的方式，以第一个要拼接的文档作为初始文档。
主要是因为，如果创建的空的文档 target_doc = Document() ，新生成的文档中 自带的文档样式 （如标题样式、正文样式等） 将会影响新拼接的文档中的采用了默认样式的内容 ，故模板文档从第一个文档中进行加载默认样式，避免了这种情况。

这也是网上大多数采用此种方式合并word，样式发生变更的原因 ，需注意此问题。

同时需注意，如果拼接的文档中，存在默认格式不一样，并且未为段落、文字指定单独样式的情况时，需检查，第一个文件作为模板加载的默认样式， 是否会影响后续的其他文件合并后的默认样式 。

200个文件合并，耗时10秒左右。速度非常快

python脚本的程序，其他程序可以直接通过 命令行的形式调用 ，或者python提供http接口，程序通过 http接口调用 。

切记通过http接口调用其他程序是，需设置好调用超时时间，防止无限等待请求结果，导致负载均衡时，大量请求超时而导致的程序整体不再分发请求。

J. python输出word内容

程序导出word文档的方法
将web/html内容导出为world文档，再java中有很多解决方案，比如使用Jacob、Apache POI、Java2Word、iText等各种方式，以及使用freemarker这样的模板引擎这样的方式。php中也有一些相应的方法，但在python中将web/html内容生成world文档的方法是很少的。其中最不好解决的就是如何将使用js代码异步获取填充的数据，图片导出到word文档中。
1. unoconv
功能：
1.支持将本地html文档转换为docx格式的文档，所以需要先将网页中的html文件保存到本地，再调用unoconv进行转换。转换效果也不错，使用方法非常简单。
\# 安装
sudo apt-get install unoconv
\# 使用
unoconv -f pdf *.odt
unoconv -f doc *.odt
unoconv -f html *.odt

缺点：
1.只能对静态html进行转换，对于页面中有使用ajax异步获取数据的地方也不能转换（主要是要保证从web页面保存下来的html文件中有数据）。
2.只能对html进行转换，如果页面中有使用echarts,highcharts等js代码生成的图片，是无法将这些图片转换到word文档中；
3.生成的word文档内容格式不容易控制。
2. python-docx
功能：
1.python-docx是一个可以读写word文档的python库。
使用方法：
1.获取网页中的数据，使用python手动排版添加到word文档中。
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')

缺点：
1.功能非常弱。有很多限制比如不支持模板等，只能生成简单格式的word文档。
程序导出PDF文档方法
1.pdfkit
功能：
1.wkhtmltopdf主要用于HTML生成PDF。
2.pdfkit是基于wkhtmltopdf的python封装，支持URL，本地文件，文本内容到PDF的转换，其最终还是调用wkhtmltopdf命令。是目前接触到的python生成pdf效果较好的。
优点：
1.wkhtmltopdf：利用webkit内核将HTML转为PDF
webkit是一个高效、开源的浏览器内核，包括Chrome和Safari在内的浏览器都使用了这个内核。Chrome打印当前网页的功能，其中有一个选项就是直接“保存为 PDF”。
2.wkhtmltopdf使用webkit内核的PDF渲染引擎来将HTML页面转换为PDF。高保真，转换质量很好，且使用非常简单。
使用方法：
\# 安装
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')

缺点：
1.对使用echarts，highcharts这样的js代码生成的图标无法转换为pdf（因为它的功能主要是将html转换为pdf,而不是将js转换为pdf）。对于纯静态页面的转换效果还是不错的。
2.其他
其他生成pdf的插件还有：weasyprint，reportlab，PyPDF2等，经简单试验都不如pdfkit效果好，且有些用法复杂。