Python自动化之Docx文档处理（一）

1 基本概念

1.1 python-docx模块

相信大家在日常工作中，免不了要处理word文档，今天就介绍一个能通过python处理word文档的模块，python-docx[1]。

安装python-docx模块

pip install python-docx

然后通过官方的python代码例子来了解python-docx的功能

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='Intense Quote')

document.add_paragraph(
    'first item in unordered list', style='List Bullet'
)

document.add_paragraph(
    'first item in ordered list', style='List Number'
)

#document.add_picture('touxiang.jpg', width=Inches(1.25))

records = (
    (3, '101', 'Spam'),
    (7, '422', 'Eggs'),
    (4, '631', 'Spam, spam, eggs, and spam')
)

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 qty, id, desc in records:
    row_cells = table.add_row().cells
    row_cells[0].text = str(qty)
    row_cells[1].text = id
    row_cells[2].text = desc

document.add_page_break()
document.save('singless.docx')

代码解析

• document = Document()：打开一个基于默认模板的空白文档
• add_heading：增加标题函数，text用于定义标题名，level表示标题等级。标题等级限制在0~9。
• add_paragraph：新增段落，style指定段落前的编号类似。List Bullet 2表示2级无序段落。List Number 2表示2级有序段落[2]。
• add_run：往段落后添加内容。该函数有两个属性，bold和.italic，作用分别是加粗和使用斜体。注意添加文本时可以按需要在文本前后要添加空格，add_run不会自动添加空格。
• add_picture：新增图片，width指定宽度、height指定高度。指定高度和宽度需要从docx.shared中导入Inches
• add_table：创建一个表格，rows为行, cols为列
• table.rows[0].cells：读取第一行的所有内容。下标从0开始。table.rows[0]表示第一行，cells用来获取第一行中的所有单元格。要确定表格有几行几列可以通过len函数来确认。len(table.rows)、len(table.columns)
• hdr_cells[0].text：前面已经把第一行赋值给了hdr_cells，text可以用来填充单元格里的内容。这里的hdr_cell[0]指第一行的第一列
• add_row：新增一行
• add_page_break：新增一个分页符
• save：保存word文档

运行代码，该文档最终展现形式如下

2 段落操作

word操作，最多的就是对段落的操作，下面介绍下一些常用的操作在python中如何实现。

2.1 字体格式调整

我们直接通过python代码进行演示如何调整字体格式，字体颜色等

from docx import Document
from docx.enum.text import *
from docx.oxml.ns import qn
from docx.shared import Pt, RGBColor
from docx.text.paragraph import Paragraph

doc = Document()

paragraph1 = doc.add_paragraph("这是第1个段落") 
run1 = paragraph1.add_run(" 追加的文字")
run1.bold = True  # 加粗
run1.italic = True  # 斜体
run1.underline = True  # 下划线

paragraph2 = doc.add_paragraph("这是第2个段落")
run2 = paragraph2.add_run(" 这是第2段追加的文字")
run2.font.name = "Times New Roman"  # 将段落里的西文设置为新罗马字体
run2.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')  # 设置段落中的中文为宋体
run2.font.size = Pt(30)  # 字体大小
run2.font.bold = False  # 是否加粗
run2.font.italic = False  # 是否斜体
run2.font.underline = False  # 是否下划线

paragraph3 = doc.add_paragraph("这是第3个段落")
run3 = paragraph3.add_run(" 这是第3段追加的文字")
run3.font.shadow = True  # 是否阴影
run3.font.strike = True  # 是否删除线
# run.font.double_strike = True  # 是否双删除线
run3.font.color.rgb = RGBColor(56, 36, 255)  # 字体颜色
# run1.font.color.rgb = RGBColor.from_string("ff0056")  # 字体颜色
run3.font.highlight_color = WD_COLOR_INDEX.YELLOW  # 文本高亮颜色，此次设置为黄色

doc.save('singless1.docx')

运行代码后，word文档效果如下

2.2 段落格式调整

首行缩进，行间距，段前段后距离调整

from docx import Document
from docx.oxml.ns import qn
from docx.shared import Pt

document = Document()

paragraph1 = document.add_paragraph()
# paragraph.line_spacing_rule = WD_LINE_SPACING.EXACTLY  # 行距固定值
# paragraph.line_spacing_rule = WD_LINE_SPACING.MULTIPLE  # 多倍行距
# paragraph1.paragraph_format.line_spacing = 1.5  # 行间距，1.5倍行距

paragraph1.style.font.size = Pt(10.5)  ##设置字体大小为10.5磅
paragraph1.paragraph_format.first_line_indent = paragraph1.style.font.size * 2  ##首行缩进两个字符
paragraph1.paragraph_format.line_spacing = Pt(20)  # 行间距，固定值20磅
paragraph1.paragraph_format.first_line_indent = Pt(22)  # 首行缩进22磅
paragraph1.paragraph_format.space_before = Pt(30)  # 段前30磅
paragraph1.paragraph_format.space_after = Pt(15)  # 段后15磅

run1 = paragraph1.add_run("美猴王享乐天真，何期有三五百载。一日，与群猴喜宴之间，忽然忧恼，堕下泪来。众猴慌忙罗拜道，“大王何为烦恼?”猴王道，“我虽在欢喜之时，却有一点儿远虑，故此烦恼。”")
run1.font.name = "Times New Roman"  # 设置西文是新罗马字体
run1.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')  # 设置段落中的中文为宋体

paragraph2 = document.add_paragraph("众猴又笑道:“大王好不知足!我等日日欢会，在仙山福地，古洞神洲，不伏麟辖，不伏风凰管，又不伏人王拘末，自由自在，乃无量之福，为何远虑而忧也?”猴王道，“今日虽不归人王法律，不惧禽兽威服，将来年老血衰，暗中有间王老子管着，一旦身亡，可不枉生世界之中，不得久注天人之内?”")

document.save('singless2.docx')

 

运行结果如下

 

段落对齐，左、右对齐、居中对齐

from docx import Document
from docx.enum.text import *

document = Document()

paragraph1 = document.add_paragraph("这是居中对齐段落")
paragraph1.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 居中对齐

document.add_paragraph("这是左对齐段落").alignment = WD_PARAGRAPH_ALIGNMENT.LEFT  # 左对齐
document.add_paragraph("这是右对齐段落").alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT  # 右对齐
document.add_paragraph("这是两端对齐段落").alignment = WD_PARAGRAPH_ALIGNMENT.JUSTIFY  # 两端对齐
document.add_paragraph("这是分散对齐段落").alignment = WD_PARAGRAPH_ALIGNMENT.DISTRIBUTE  # 分散对齐

document.save('singless3.docx')

 

运行结果如下

 

 

运行通过上面两个例子，我们了解了如何通过python代码完成对docx文档的常见操作。不过平常我们更常会遇到的场景可能是建立一个word模板，将通过python对数据进行处理填充到模板中，下一节介绍如何创建模板，并通过python填充数据。

3 参考资料

• [1]https://python-docx.readthedocs.io/en/latest/user/quickstart.html
• [2] https://python-docx.readthedocs.io/en/latest/user/styles-understanding.html
  
  

关注公众号 singless，获取更多有价值的文章