python数据分析基础之处理word格式文件

安装包

pip install python-docx

模块导入

import docx
from docx.shared import Inches

1、文档读取

创建文件对象

document=docx.Document("test.docx")

读取所有的段落列表

ps = document.paragraphs

输出每隔段落的内容段落的text为段落内容

count=1
for para in ps:print("第%d段落的内容为：%s" %(count,para.text))count=count+1

读取段落中所有列表的内容

tables = document.tables
for table in tables:for row in table.rows:for cell in row.cells:print(cell.text)

2、写文档

创建文件对象

document = docx.Document()

设置文档标题中文要用unicode字符串

document.add_heading(u'我的一个新文档', 0)

往文档中添加段落

p = document.add_paragraph('This is a paragraph having some ')

新建run对象
使用para对象的add_run()方法创建一个新的对象run

run = p.add_run()
run.text = "增加下划线" #设置run的文本内容：
run.font.underline = True #设置下划线样式

也可以直接用下面的方法实现

p.add_run('增加下划线').font.underline=True

设置字号

run = p.add_run('设置字号')
run.font.size = 24

设置字体

run = p.add_run('Set Font,')
run.font.name = 'Consolas'

设置斜体

run = p.add_run(u'斜体、')
run.italic = True

添加一级标题

document.add_heading(u'一级标题, level = 1', level=1)

添加引用

document.add_paragraph('Intense',style='Intense Quote')

添加无序列表

document.add_paragraph('无序列表元素1', style='List Bullet')
document.add_paragraph('无序列表元素2', style='List Bullet')

添加有序列表

document.add_paragraph('有序列表元素1', style='List Number')
document.add_paragraph('有序列表元素2', style='List Number')

添加分页

document.add_page_break()

添加表格

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 range(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)

添加图像

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

保存文档

document.save('test.docx')

3、生成模板

可以使用docx-mailmerge库来实现
docx-mailmerge 需要依赖 lxml ，
所以需要先安装lxml，再安装 docx-mailmerge

pip install lxml
pip install docx-mailmerge

模块导入

from mailmerge import MailMerge

WORD合并字段

为了使docx-mailmerge正常工作，需要创建标准Word文档，并定义适当的合并字段。启动Word并创建基本文档结构。然后将光标放在插入数据的位置，并选择插入 - > 文档部件->域->类别中选择邮件合并->域名中选择MergeField，最后在域属性的域名中填入名称（这个是数据插入的依据）

简单合并

template = "template1.docx"
#引入模板
document = MailMerge(template)
#输出需要合并的文档区域
print(document.get_merge_fields())
#合并字段中的变量填充，其中的one two 就是之前在模板文档中定义好的域名
document.merge(                           one='会议2场',                         two='app开发'
)
#输出的docx文件
document.write('output.docx')