【Python】Word文档操作

 

一、全文替换

不是创建word文档写入内容，而是基于现有的Word文档进行替换处理

使用run.text直接赋值修改发现样式会丢失，而网上大部分办法都是这么写的...

直到我看到这篇文章的评论：

https://blog.csdn.net/qq_40222956/article/details/106098464

 

除了段落替换后，Word文档还插入了表格，后来反应过来表格的单元格也是有段落属性

同样需要通过段落对象拿到run进行替换

 

直接上代码：

# 全文替换操作，且不丢失文档样式
def replace_text_in_doc(doc: Document):# 段落内容替换for para in doc.paragraphs:for idx, run in enumerate(para.runs):para_text = run.text.strip()if not para_text:continuemodified_text = mustache_clear(para_text)para.runs[idx].text = modified_text# 单元格内容替换for table in doc.tables:for row in table.rows:for cell in row.cells:for cell_para in cell.paragraphs:for idx, cp_run in enumerate(cell_para.runs):cpr_text = cp_run.text.strip()if not cpr_text:continuemodified_text = mustache_clear(cpr_text)cell_para.runs[idx].text = modified_textdoc.save(new_doc_path)return

　　

二、读取文档标题：

发现文档标题有好几种style名称

# 标准标题style类型名
headerTags = ['Heading 1','Heading 2','Heading 3','Heading 4','Heading 5','Heading 6',
]# 目录style类型名
tocTypes = ['toc 1','toc 2','toc 3','toc 4','toc 5''toc 6'
]# 附录自定义style类型名
customHeaders = ['附录一级标题','附录二级标题','附录三级标题','附录四级标题','附录五级标题',
]　

但是toc类型的是最多最全的，这里就用toc来找标题了

 

代码实现：

通过toc读取的段落，除了文本本身还会附带标题下标

所以这里还做了下标拆分和保留的逻辑

# 目录style类型名
tocTypes = ['toc 1','toc 2','toc 3','toc 4','toc 5''toc 6'
]# 读取所有目录信息
def get_all_toc_title_text(doc: Document):print('- - - - - - 读取所有目录信息 - - - - - - ')toc_list = []for para in doc.paragraphs:if para.style.name in tocTypes:rough_collect = para.text.split()# 标题信息title = ' '.join(rough_collect[: -1])# 标题下标title_idx = rough_collect[-1]toc_list.append(title)print(f"{title} | {title_idx}")return toc_list

　　

三、读取文档表格：

表格读取没有过多要声明的

# 读取所有表格
def get_all_tables(doc: Document):print('- - - - - - 读取所有表格 - - - - - - ')for table in doc.tables:print('- - - - - - table - - - - - - ')for row in table.rows:for cell in row.cells:print(f"{cell.text} | ", end='')print()return

　　

但是读取指定部分的表格就有点费劲了

表格的话这里只有下标可以访问第几个表格，所以只能从表格内容为特征入手

例如附录D的表格头的列信息固定是这几个文本：

appendix_d_spec = {'安全控制点', '测评指标', '结果记录', '符合程度'}

docx读取的时候，顺序会不一致，所以用集合装填元素，只要取出的集合和特征集合元素一样即可

逻辑代码：

# 读取所有附录D的表格数据
def get_appendix_d_tables(doc: Document):print('- - - - - - 读取所有附录D的表格数据 - - - - - - ')for table in doc.tables:first_row = table.rows[0].cellscol_len = len(first_row)cell_name_list = {cell.text for cell in first_row}print(cell_name_list)if len(cell_name_list) != 4:continuecell_name = ' | '.join(cell_name_list)print(f"cell_name -> {cell_name}, col_len -> {col_len} ")if appendix_d_spec != cell_name_list:continueprint('- - - - - - 附录D表格开始 - - - - - - ')for row in table.rows:each_row = " | ".join({cell.text for cell in row.cells})print(each_row)print('- - - - - - 附录D表格结束 - - - - - - ')return