1. 前言
上一篇文章，對 Word 寫入資料的一些常見操作進行了總結
最全總結 | 聊聊 Python 辦公自動化之 Word（上）
相比寫入資料，讀取資料同樣很實用！
本篇文章，將談談如何全面讀取一個 Word 文件中的資料，並會指出一些要注意的點
2. 基本資訊
我們同樣使用 python-docx 這個依賴庫來對 Word 文件進行讀取
首先我們來讀取文件的基本資訊
它們分別是：章節、頁邊距、頁首頁尾邊距、頁面寬高、頁面方向等
在獲取文件基礎資訊之前，我們通過文件路徑構建一個文件物件 Document
from docx import Document
# 原始檔目錄
self.word_path = './output.docx'
# 開啟文件，構建一個文件物件
self.doc = Document(self.word_path)
1 - 章節（ Section ）
# 1、獲取章節資訊
# 注意：章節可以設定本頁的大小、頁首、頁尾
msg_sections = self.doc.sections
print("章節列表：", msg_sections)
# 章節數目
print('章節數目:', len(msg_sections))
2 - 頁邊距（ Page Margin ）
通過章節物件的 left_margin、top_margin、right_margin、bottom_margin 屬性值可以獲取當前章節的左邊距、上邊距、右邊距、下邊距
def get_page_margin(section):
"""
獲取某個頁面的頁邊距(EMU)
:param section:
:return:
"""
# 分別對應：左邊距、上邊距、右邊距、下邊距
left, top, right, bottom = section.left_margin, section.top_margin, section.right_margin, section.bottom_margin
return left, top, right, bottom
# 2、頁邊距資訊
first_section = msg_sections[0]
left, top, right, bottom = get_page_margin(first_section)
print('左邊距:', left, ",上邊距：", top, ",右邊距：", right, "，下邊距：", bottom)
返回值的單位是 EMU，和釐米、英尺的轉換關係如下：
3 - 頁首頁尾邊距
頁首邊距：header_distance
頁尾邊距：footer_distance
def get_header_footer_distance(section):
"""
獲取頁首、頁尾邊距
:param section:
:return:
"""
# 分別對應頁首邊距、頁尾邊距
header_distance, footer_distance = section.header_distance, section.footer_distance
return header_distance, footer_distance
# 3、頁首頁尾邊距
header_distance, footer_distance = get_header_footer_distance(first_section)
print('頁首邊距:', header_distance, "，頁尾邊距:", footer_distance)
4 - 頁面寬度和高度
頁面寬度：page_width
頁面高度：page_height
def get_page_size(section):
"""
獲取頁面寬度、高度
:param section:
:return:
"""
# 分別對應頁面寬度、高度
page_width, page_height = section.page_width, section.page_height
return page_width, page_height
# 4、頁面寬度、高度
page_width, page_height = get_page_size(first_section)
print('頁面寬度:', page_width, "，頁面高度:", page_height)
5 - 頁面方向（ Page Orientation ）
頁面方向分為：橫向和縱向
使用章節物件的 orientation 屬性去獲取一個章節的頁面方向
def get_page_orientation(section):
"""
獲取頁面方向
:param section:
:return:
"""
return section.orientation
# 5、頁面方向
# 型別：class 'docx.enum.base.EnumValue
# 包含：PORTRAIT (0)、LANDSCAPE (1)
page_orientation = get_page_orientation(first_section)
print("頁面方向:", page_orientation)
同樣，可以直接使用這個屬性設定一個章節的方向
from docx.enum.section import WD_ORIENT
# 設定頁面方向（橫向、豎向）
# 設定為橫向
first_section.orientation = WD_ORIENT.LANDSCAPE
# 設定為豎向
# first_section.orientation = WD_ORIENT.PORTRAIT
self.doc.save(self.word_path)
3. 段落
使用文件物件的 paragraphs 屬性可以獲取文件中所有的段落
注意：這裡獲取的段落不包含頁首、頁尾、表格中的段落
# 獲取文件物件中所有的段落，預設不包含：頁首、頁尾、表格中的段落
paragraphs = self.doc.paragraphs
# 1、段落數目
paragraphs_length = len(paragraphs)
print('文件中一共包含：{}個段落'.format(paragraphs_length))
1 - 段落內容
我們可以遍歷文件中所有的段落列表，通過段落物件的 text 屬性，獲取全部的段落內容
# 0、讀取所有段落資料
contents = [paragraph.text for paragraph in self.doc.paragraphs]
print(contents)
2 - 段落格式
通過上一篇文章，我們知道段落也存在格式的
使用 paragraph_format 屬性獲取段落的基本格式資訊
包含：對齊方式、左右縮排、行間距、段落前後間距等
# 2、獲取某一個段落的格式資訊
paragraph_someone = paragraphs[0]
# 2.1 段落內容
content = paragraph_someone.text
print('段落內容:', content)
# 2.2 段落格式
paragraph_format = paragraph_someone.paragraph_format
# 2.2.1 對齊方式
# <class 'docx.enum.base.EnumValue'>
alignment = paragraph_format.alignment
print('段落對齊方式：', alignment)
# 2.2.2 左、右縮排
left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indent
print('段落左縮排:', left_indent, "，右縮排:", right_indent)
# 2.2.3 首行縮排
first_line_indent = paragraph_format.first_line_indent
print('段落首行縮排:', first_line_indent)
# 2.2.4 行間距
line_spacing = paragraph_format.line_spacing
print('段落行間距:', line_spacing)
# 2.2.5 段落前後間距
space_before, space_after = paragraph_format.space_before, paragraph_format.space_after
print('段落前、後間距分別為:', space_before, ',', space_after)
4. 文字塊 - Run
文字塊 Run 屬於段落的一部分，所以，要獲取文字塊資訊，必須先拿到一個段落例項物件
以文字塊基本資訊、字型格式資訊為例
1 - 文字塊基本資訊
我們使用段落物件的 runs 屬性獲取段落內所有的文字塊物件
def get_runs(paragraph):
"""
獲取段落下所有的文字塊資訊，包含：數目、內容列表
:param paragraph:
:return:
"""
# 段落物件包含的文字塊Run
runs = paragraph.runs
# 數量
runs_length = len(runs)
# 文字塊內容
runs_contents = [run.text for run in runs]
return runs, runs_length, runs_contents
2 - 文字塊格式資訊
文字塊是文件中最小的文字單元，使用文字塊物件的 font 屬性可以拿到它的字型屬性
和設定文字塊格式屬性一一對應，字型名稱、大小、顏色、是否加粗、是否斜體等都可以獲取到
# 2、文字塊格式資訊
# 包含：字型名稱、大小、顏色、是否加粗等
# 某一個文字塊的字型屬性
run_someone_font = runs[0].font
# 字型名稱
font_name = run_someone_font.name
print('字型名稱:', font_name)
# 字型顏色(RGB)
# <class 'docx.shared.RGBColor'>
font_color = run_someone_font.color.rgb
print('字型顏色:', font_color)
print(type(font_color))
# 字型大小
font_size = run_someone_font.size
print('字型大小:', font_size)
# 是否加粗
# True:加粗；None/False：沒有加粗
font_bold = run_someone_font.bold
print('是否加粗：', font_bold)
# 是否斜體
# True:協議；None/False：不是斜體
font_italic = run_someone_font.italic
print('是否斜體:', font_italic)
# 帶下劃線
# True：帶有下滑線；None/False:字型沒有帶下滑線
font_underline = run_someone_font.underline
print('帶有下滑線:', font_underline)
# 刪除線/雙刪除線
# True：帶有刪除線；None/False:字型沒有帶刪除線
font_strike = run_someone_font.strike
font_double_strike = run_someone_font.double_strike
print('帶有刪除線:', font_strike, "\n帶有雙刪除線:", font_double_strike)
5. 表格
文件物件的 tables 屬性可以獲取當前文件中所有的表格物件
# 文件中所有的表格物件
tables = self.doc.tables
# 1、表格數量
table_num = len(tables)
print('文件中包含的表格數量:', table_num)
1 - 表格所有資料
獲取表格中所有資料有 2 種方式
第一種方式：通過遍歷文件中所有表格，然後按行和單元格進行遍歷，最後通過單元格的 text 屬性獲取所有單元格的文字內容
# 2、讀取所有表格資料
# 所有表格物件
# tables = [table for table in self.doc.tables]
print('內容分別是：')
for table in tables:
for row in table.rows:
for cell in row.cells:
print(cell.text, end=' ')
print()
print('\n')
另外一種方式是使用表格物件的 _cells 屬性獲取表格中所有的單元格，然後遍歷獲取單元格的值
def get_table_cell_content(table):
"""
讀取表格中所有單元格是內容
:param table:
:return:
"""
# 所有單元格
cells = table._cells
cell_size = len(cells)
# 所有單元格的內容
content = [cell.text for cell in cells]
return content
2 - 表格樣式
# 3、表格樣式名稱
# Table Grid
table_someone = tables[0]
style = table_someone.style.name
print("表格樣式:", style)
3 - 表格行數量、列數量
table.rows：表格中的行資料迭代物件
table.columns：表格中的列資料迭代物件
def get_table_size(table):
"""
獲取表格的行數量、列數量
:param table:
:return:
"""
# 幾行、幾列
row_length, column_length = len(table.rows), len(table.columns)
return row_length, column_length
4 - 行資料、列資料
有時候，我們需要單獨按照行或者列，獲取全部資料
def get_table_row_datas(table):
"""
獲取表格中行資料
:param table:
:return:
"""
rows = table.rows
datas = []
# 每一行獲取單元格的資料組成列表，加入到結果列表中
for row in rows:
datas.append([cell.text for cell in row.cells])
return datas
def get_table_column_datas(table):
"""
獲取表格中列資料
:param table:
:return:
"""
columns = table.columns
datas = []
# 每一列獲取單元格的資料組成列表，加入到結果列表中
for column in columns:
datas.append([cell.text for cell in column.cells])
return datas
6. 圖片
有時候，我們需要將 Word 文件中的圖片下載到本地
Word 文件實際上也是一個壓縮檔案，我們使用解壓工具後發現，文件包含的圖片都放置在 /word/media/ 目錄下
提取文件圖片有 2 種方法，分別是：
-
解壓文件檔案，將對應目錄下的圖片拷貝出來
-
使用 python-docx 內建的方法提取圖片（ 推薦 ）
def get_word_pics(doc, word_path, output_path):
"""
提取word文件內的圖片
:param word_path:原始檔名稱
:param output_path: 結果目錄
:return:
"""
dict_rel = doc.part._rels
for rel in dict_rel:
rel = dict_rel[rel]
if "image" in rel.target_ref:
# 圖片儲存目錄
if not os.path.exists(output_path):
os.makedirs(output_path)
img_name = re.findall("/(.*)", rel.target_ref)[0]
word_name = os.path.splitext(word_path)[0]
# 新的名稱
newname = word_name.split('\\')[-1] if os.sep in word_name else word_name.split('/')[-1]
img_name = f'{newname}_{img_name}'
# 寫入到檔案中
with open(f'{output_path}/{img_name}', "wb") as f:
f.write(rel.target_part.blob)
7. 頁首頁尾
頁首和頁尾都是基於章節
我們以某一個章節物件為例進行說明
# 獲取某一個章節
first_section = self.doc.sections[0]
使用章節物件的 header、footer 屬性可以獲取頁首、頁尾物件
由於頁首、頁尾可能包含多個段落 Paragraph，因此，我們可以先使用頁首頁尾物件的 paragraphs 屬性獲取所有段落，然後遍歷出所有段落的值，最後拼接起來就是頁首頁尾的全部內容
# 注意：頁首、頁尾都有可能包含多個段落
# 頁首所有的段落
header_content = " ".join([paragraph.text for paragraph in first_section.header.paragraphs])
print("頁首內容:", header_content)
# 頁尾
footer_content = " ".join([paragraph.text for paragraph in first_section.footer.paragraphs])
print("頁尾內容:", footer_content)
8. 最後
本篇文章和上一篇文章，分別對 Word 文件的讀寫進行了一次全面講解
文中全部原始碼我已經上傳到後臺，關注公眾號「 AirPython 」，回覆「 word 」即可獲得全部原始碼
如果你覺得文章還不錯，請大家 點贊、分享、留言下，因為這將是我持續輸出更多優質文章的最強動力！
推薦閱讀
最全總結 | 聊聊 Python 辦公自動化之 Excel（上）
最全總結 | 聊聊 Python 辦公自動化之 Excel（中）