有兩種方式:
- 使用win32com
- 使用docx
1.使用win32com擴充套件包
只對windows平臺有效
# coding=utf-8
import win32com
from win32com.client import Dispatch, DispatchEx
word = Dispatch('Word.Application') # 開啟word應用程式
# word = DispatchEx('Word.Application') #啟動獨立的程式
word.Visible = 0 # 後臺執行,不顯示
word.DisplayAlerts = 0 # 不警告
path = 'G:/WorkSpace/Python/tmp/test.docx' # word檔案路徑
doc = word.Documents.Open(FileName=path, Encoding='gbk')
# content = doc.Range(doc.Content.Start, doc.Content.End)
# content = doc.Range()
print '----------------'
print '段落數: ', doc.Paragraphs.count
# 利用下標遍歷段落
for i in range(len(doc.Paragraphs)):
para = doc.Paragraphs[i]
print para.Range.text
print '-------------------------'
# 直接遍歷段落
for para in doc.paragraphs:
print para.Range.text
# print para #只能用於文件內容全英文的情況
doc.Close() # 關閉word文件
# word.Quit #關閉word程式
2.使用docx擴充套件包
優點:不依賴作業系統,跨平臺
安裝:
pip install python-docx
參考文件: https://python-docx.readthedocs.io/en/latest/index.html
程式碼：
import docx def read_docx(file_name): doc = docx.Document(file_name) content = '\n'.join([para.text for para in doc.paragraphs]) return content
建立表格
# coding=utf-8
import docx
doc = docx.Document()
table = doc.add_table(rows=1, cols=3, style='Table Grid') #建立帶邊框的表格
hdr_cells = table.rows[0].cells # 獲取第0行所有所有單元格
hdr_cells[0].text = 'Name'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
# 新增三行資料
data_lines = 3
for i in range(data_lines):
cells = table.add_row().cells
cells[0].text = 'Name%s' % i
cells[1].text = 'Id%s' % i
cells[2].text = 'Desc%s' % i
rows = 2
cols = 4
table = doc.add_table(rows=rows, cols=cols)
val = 1
for i in range(rows):
cells = table.rows[i].cells
for j in range(cols):
cells[j].text = str(val * 10)
val += 1
doc.save('tmp.docx')
讀取表格
# coding=utf-8
import docx
doc = docx.Document('tmp.docx')
for table in doc.tables: # 遍歷所有表格
print '----table------'
for row in table.rows: # 遍歷表格的所有行
# row_str = '\t'.join([cell.text for cell in row.cells]) # 一行資料
# print row_str
for cell in row.cells:
print cell.text, '\t',
print
相關樣式參考: https://python-docx.readthedocs.io/en/latest/user/styles-understanding.html
使用PYTHON編輯和讀取WORD文件
python呼叫word介面主要用到的模板為python-docx，基本操作官方文件有說明。
使用python新建一個word文件，操作就像文件裡介紹的那樣：
from docx import Document
from docx.shared import Inches
document = Document()
document.add_heading('Document Title', 0) #插入標題
p = document.add_paragraph('A plain paragraph having some ') #插入段落
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)) #插入圖片
table = document.add_table(rows=1, cols=3) #插入表格
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') #儲存文件
讀取和編輯一個已有的word文件，只需在一開始新增上檔案路徑就行了，如下：
from docx import Document
from docx.shared import Inches
document = Document('demo.docx') #開啟檔案demo.docx
for paragraph in document.paragraphs:
print(paragraph.text) #列印各段落內容文字
document.add_paragraph(
'Add new paragraph', style='ListNumber'
) #新增新段落
document.save('demo.docx') #儲存文件
如果是想讀取其中的圖片或是更復雜地編輯，首先我們需要先來認識下docx文件的格式組成：
docx是Microsoft Office2007之後版本使用的，用新的基於XML的壓縮檔案格式取代了其目前專有的預設檔案格式，在傳統的檔名副檔名後面新增了字母“x”（即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”）。
docx格式的檔案本質上是一個ZIP檔案。將一個docx檔案的字尾改為ZIP後是可以用解壓工具開啟或是解壓的。事實上，Word2007的基本檔案就是ZIP格式的，他可以算作是docx檔案的容器。
docx 格式檔案的主要內容是儲存為XML格式的，但檔案並非直接儲存於磁碟。它是儲存在一個ZIP檔案中，然後取副檔名為docx。將.docx 格式的檔案字尾改為ZIP後解壓, 可以看到解壓出來的資料夾中有word這樣一個資料夾，它包含了Word文件的大部分內容。而其中的document.xml檔案則包含了文件的主要文字內容。
word目錄下：
document.xml檔案內容：
media目錄下存放word文件中插入的圖片：
所以，我們可以使用手工的方法編輯檔案document.xml來對該word文件內容進行編輯，或是提取文件media中圖片檔案的方式來提取該word文件中所插入的所有圖片。
import zipfile
f=zipfile.ZipFile('demo.docx','r')
for filename in f.namelist():
f.extract(filename)
