用python处理MS WORD（用到python-docx库）

忘是亡心i 2021-09-13 22:44 260阅读 0赞

## 安装 ##

pyhton 处理 docx 文件需要使用 python-docx 包，可以利用pip工具很方便的安装，pip工具在python安装路径下的Scripts文件夹中

pip install python-docx  
当然你也可以选择使用easy\_install或者手动方式进行安装

--------------------

## 写入文件内容 ##

此处我们直接给出一个样例，根据自己的需要摘取有用的内容

#coding=utf-8
    
    from docx import Document
    from docx.shared import Pt
    from docx.shared import Inches
    
    #打开文档
    document = Document()
    
    #加入不同等级的标题
    document.add_heading(u'MS WORD写入测试',0)
    document.add_heading(u'一级标题',1)
    document.add_heading(u'二级标题',2)
    
    #添加文本
    paragraph = document.add_paragraph(u'我们在做文本测试！')
    
    #设置字号
    run = paragraph.add_run(u'设置字号、')
    run.font.size = Pt(24)
    
    #设置字体
    run = paragraph.add_run('Font')
    run.font.name = 'Consolas'
    
    #设置斜体
    run = paragraph.add_run(u'斜体、')
    run.italic = True
    
    #设置粗体
    run = paragraph.add_run(u'粗体').bold = True
    
    #增加引用
    document.add_paragraph('Intense quote', style='IntenseQuote')
    
    #增加无序列表
    document.add_paragraph(
        u'无序列表元素1', style='ListBullet'
    )
    
    document.add_paragraph(
        u'无序列表元素2', style='ListBullet'
    )
    
    #增加有序列表
    document.add_paragraph(
        u'有序列表元素1', style='ListNumber'
    )
    
    document.add_paragraph(
        u'有序列表元素2', style='ListNumber'
    )
    
    #增加图像
    document.add_picture('image.bmp', width=Inches(1.25))
    
    #增加表格
    table = document.add_table(rows=1, cols=3)
    hdr_cells = table.rows[0].cells
    hdr_cells[0].text = 'Name'
    hdr_cells[1].text = 'Id'
    hdr_cells[2].text = 'Desc'
    
    #再增加3行表格元素
    for i in xrange(3):
        row_cells = table.add_row().cells
        row_cells[0].text = 'test'+str(i)
        row_cells[1].text = str(i)
        row_cells[2].text = 'desc'+str(i)
    
    #增加分页
    document.add_page_break()
    
    #保存文件
    document.save(u'测试.docx')

该段代码生成的文档样式如下  
![这里写图片描述][20160826234803229]

--------------------

注：有两个问题没找到如何解决，其中一个是设置中文的字体，另外一个是表格边框线设置。如果您知道，还请能够指教。

--------------------

## 读取文件内容 ##

#coding=utf-8
    from docx import Document
    
    #打开文档
    document = Document(u'测试.docx')
    
    #读取每段资料
    l = [ paragraph.text.encode('gb2312') for paragraph in document.paragraphs];
    
    #输出并观察结果
    for i in l:
        print i
    
    #可以通过其他方法，直接处理文本文件即可。

我们仍然使用刚才我们生成的文件，可以看到，输出的结果为

![这里写图片描述][20160826235015716]

> 注意：此处我们使用gb2312编码方式读取，主要是保证中文的读写正确。一般情况下，使用的utf-8编码方式。

--------------------

## 参考资料 ##

python-docx  
Best way to extract text from a Word doc without using COM/automation?  
Extracting text from MS word files in python

转载请注明：[http://www.voidcn.com/blog/qianchenglenger/article/p-5998778.html][http_www.voidcn.com_blog_qianchenglenger_article_p-5998778.html]

[20160826234803229]: /images/20210913/e52adae2229940459ae9932696d0d51f.png
[20160826235015716]: /images/20210913/9cff2974f3214697ba44481f7fb68cda.png
[http_www.voidcn.com_blog_qianchenglenger_article_p-5998778.html]: http://www.voidcn.com/blog/qianchenglenger/article/p-5998778.html