任务需求

现有一包含目标数据的excel文档，需要将其中的每一行数据的对应内容替换到指定word中，并逐一保存。

任务拆解

首先查看word文档格式，可以看到文件后缀为.doc，需要替换的是正文部分红框中的英文部分。

目标数据excel文档，将excel中的对应列下的数据替换到word文档中。

excel数据比较规整无需二次处理，如果列名与word文档中不对应或者没有，则需要调整或新增。如此一来只要考虑如何读取doc文件并按一定逻辑进行替换即可。

任务方案

方案一：使用python-docx.Document读取word文档

在这次需求之前我并没有用过python操作word文档，感谢交流群内各位大佬相助，从Python+Excel+Word一秒制作百份合同(htps://mp.weixin.qq.com/s/B6s4RpfC3UvpJBitVVDOjg)文章中虽然跟着步伐编写代码，而当执行时报错了，目标字符串没有被替换上等等。

问题一：模块安装错误，文章中import docx，我误以为pip install docx就行了，而调用Document类时，发现模块下无该类，遂进行百度，应当时pip install python-docx，import docx。
问题二： python-docx模块不能操作doc文档，上述已提到，本次处理的word文档为doc后缀，需要将其转换docx后缀方可正常操作，其实一个文档通过word软件进行另存为即可，但是在python编程中就显得不太优雅，主要是我太懒了，最多就将目标文件路径拷贝至代码中，所以使用win32com模块调用word程序转换doc文档为docx文档。
问题三：Python+Excel+Word一秒制作百份合同中是定位到具体文本段在进行替换，首次尝试时，发现并不能替换成功，将代码逐步运行定位问题所在。可以想象下Document是将整个word文档分成多个paragraphs，一个paragraphs有很多行，每行有多个文本块，由于每行中的文本块的划分不太明白，中英文输入法不同方式输入的中/英文会导致本是一个单词被拆开，也有可能是该word文档中含有一定格式造成，如下划线，在无下划线的情况下，单词没有被分开，尝试用paragraphs.text进行内容的替换，文本可以替换成功，但下划线的格式被丢弃，所以只能采取文本块下的text方法进行替换，在原word文件中用同一种输入法输入英文(与excel的列名相对应，应保证该字符串不在word中其他地方出现，即中文也是可以的，推荐写法：#列名#)

将上述问题逐一解决后，输入目标文件路径及输入路径就大功告成了。
源码：

from copy import deepcopy
from pathlib import Path
from win32com import client as wc  # pip install pypiwin32
from docx import Document  # pip install python-docx
import pandas as pd# python-docx不能处理doc文档，使用win32com转存为docx文档
def doctransform2docx(doc_path):docx_path = doc_path + 'x'suffix = doc_path.split('.')[1]assert 'doc' in suffix, '传入的不是word文档，请重新输入！'if suffix == 'docx':return Document(doc_path)word = wc.Dispatch('Word.Application')doc = word.Documents.Open(doc_path)doc.SaveAs2(docx_path, 16)  # docx为16doc.Close()word.Quit()return Document(docx_path)# 替换docx中的特定字符，由于run方法在有格式的docx文件中展示效果很差，故将docx中的文本的需要填充出英文字符占位
def replace_docx(name, values, wordfile, path_name='Company'):wordfile_copy = deepcopy(wordfile)  # 防止原文件被篡改，deepcopy为副本for col_name, value in zip(name, values):if col_name == 'Company':  # 此处为设置文件名，按业务需求可进行修改path_name = str(value)for paragraphs in wordfile_copy.paragraphs:for run in paragraphs.runs:run.text = run.text.replace(col_name, str(value))# docx文档替换完毕，另存为，一定要用绝对路径wordfile_copy.save(f'{save_folder}/{path_name}.docx')if __name__ == '__main__':# 定义需处理的文件路径doc_path = r"D:\solve_path\单位.doc"excel_path = r"D:\solve_path\信息.xls"save_folder = Path('D:/docx_save')save_folder.mkdir(parents=True, exist_ok=True)  # 文件夹没有时自动创建# 获取excel数据data = pd.read_excel(excel_path)wordfile = doctransform2docx(doc_path)data_save = data.apply(lambda x: replace_docx(x.index, x.values, wordfile), axis=1)

在我以为大功告成之际，问题来了，原文档中的方框没了（漏！！！）
效果图：

解决了格式却解决不了特殊字符问题，秃了啊……，我想python-docx中一定有相应的解决方案，但是我初次尝试，对其中源码部分犹如天书般的存在，在多次调用方法下发现其中的一个参数输出，wordfile.part.blob:

输出内容让我想起了之前解密excel时看到的文件开头，xml文件，然后首先尝试替换其中文本，原以为会像run.text = run.text.replace(col_name, str(value))一样即可，然而报错了，禁止修改。

方案二：zipfile巧解word文档

正当我认为别无他法时，就此作罢时，百度百科帮助了我：

docx文档本质上就是xml文件，emmmm，很妙，之前为了提取xlsx中的图片解压缩过xlsx文件然后提取，果然可行，替换的主体文件就是word文件夹下的document.xml文件

当然在代码编写前首先尝试能不能手动复原为docx，用7z默认参数还原失败，经过多番寻找，用zip类型压缩即可，软件不限，手动解压及替换字符压缩均成功，开始敲代码。
除习惯性用pandas读取excel文件外，也不用安装其他包，在现用python3.7中均为内置包。
使用zipfile对压缩类文件进行解压，文章学习来源：python中如何压缩和解压缩文件，文章中写得很详细，我仅把os.path改写成pathlib。
但在对目录下文件进行压缩还原至docx文档时出现了问题：

问题一： python中如何压缩和解压缩文件中压缩文件类型为
zipfile.ZIP_DEFLATED，对遍历后的所有文件进行压缩至一个目录下，这就出现了还原后的docx内的文件层次不对应，docx读取失败。改用zipfile.zlib.DEFLATED方可成功按层次压缩。
问题二：zipfile压缩文件保存时，应当有文件名及其别名，且别名不能为绝对路径，为了能正常还原也应使用原有名称，在代码中为f.write(文件路径, 文件路径别名)

源码：

from shutil import rmtree
import zipfile
from copy import deepcopy
from pathlib import Path
from win32com import client as wc  # pip install pypiwin32
import pandas as pd# doc文档不包含所需xml文件，使用win32com转存为docx文档，返回值与方案一有所不同
def doctransform2docx(doc_path):docx_path = doc_path + 'x'suffix = doc_path.split('.')[1]assert 'doc' in suffix, '传入的不是word文档，请重新输入！'if suffix == 'docx':return Path(doc_path)word = wc.Dispatch('Word.Application')doc = word.Documents.Open(doc_path)doc.SaveAs2(docx_path, 16)  # docx为16doc.Close()word.Quit()return Path(docx_path)# docx文档解压
def docx_unzip(docx_path):unzip_path = docx_path.with_name(docx_path.stem)with zipfile.ZipFile(docx_path, 'r') as f:for file in f.namelist():f.extract(file, path=unzip_path)xml_path = unzip_path.joinpath('word/document.xml')with xml_path.open(encoding='utf-8') as f:xml_file = f.read()return unzip_path, xml_path, xml_file# 讲文件夹中的所有文件压缩成docx文档
def docx_zipped(docx_path, zipped_path):with zipfile.ZipFile(zipped_path, 'w', zipfile.zlib.DEFLATED) as f:for file in docx_path.glob('**/*.*'):f.write(file, file.as_posix().replace(docx_path.as_posix() + '/', ''))# 删除生成的解压文件夹
def remove_folder(path):if path.exists():rmtree(path)# 替换docx中的特定字符，重新保存document.xml至需要压缩的目录下
def replace_docx(name, values, xml_file, xml_path, unzip_path, path_name='Company'):xml_file_copy = deepcopy(xml_file)  # 深复制xml内容for col_name, value in zip(name, values):if col_name == 'Company':  # 此处为设置文件名，按业务需求可进行修改path_name = str(value)xml_file_copy = xml_file_copy.replace(col_name, str(value))with xml_path.open(mode='w', encoding='utf-8') as f:f.write(xml_file_copy)# xml文档替换完毕，通过zipfile重新压缩另存为docx文档docx_zipped(unzip_path, f'{save_folder}/{path_name}.docx')if __name__ == '__main__':# 定义需处理的文件路径doc_path = r"D:\solve_path\单位.doc"excel_path = r"D:\solve_path\信息.xls"save_folder = Path('D:/docx_save')save_folder.mkdir(parents=True, exist_ok=True)  # 文件夹没有时自动创建# 获取excel数据data = pd.read_excel(excel_path)docx_path = doctransform2docx(doc_path)unzip_path, xml_path, xml_file = docx_unzip(docx_path)data_save = data.apply(lambda x: replace_docx(x.index, x.values, xml_file, xml_path, unzip_path), axis=1)remove_folder(unzip_path)

打开生成的文件，方框没有消失，下划线也在。

更新

方案三：MailMerge批量生成docx文档

word版本：word 2016

需要将修改部分设置成域格式：
①：在“插入”菜单项中选择文档部件中的域

②：域格式选择，按图从左至右依次点击，域名按业务自定义命名，最后点击确定即可

③：域格式设置成功，可以看到之前的英文被类似于书名号的引用符包裹起来了

④：依次将剩下的字符修改完成
⑤：同样为依赖docx，如处理文档为doc格式需要转换为docx文档，excel文件内容设置已在上述提过，此处不在赘述，编写代码，批量生成文件
源码：

import docx
from mailmerge import MailMerge  # pip install docx-mailmerge
from win32com import client as wc
from pathlib import Path
import pandas as pd# mailmerge不能处理doc文档，使用win32com转存为docx文档
def doctransform2docx(doc_path):docx_path = doc_path + 'x'suffix = doc_path.split('.')[1]assert 'doc' in suffix, '传入的不是word文档，请重新输入！'if suffix == 'docx':return Path(doc_path)word = wc.Dispatch('Word.Application')doc = word.Documents.Open(doc_path)doc.SaveAs2(docx_path, 16)  # docx为16doc.Close()word.Quit()return Path(docx_path)# 替换docx中的特定字符，重新保存document.xml至需要压缩的目录下
def replace_docx(data_dict, docx_path, path_name='Company'):with MailMerge(docx_path) as docx_file:path_name = data_dict.get('Company')  # 此处为设置文件名，按业务需求可进行修改# 字段替换主体代码，业务需求变化必须更改以下代码docx_file.merge(Place=data_dict.get('Place'),Company=data_dict.get('Company'),Credit_Code=data_dict.get('Credit_Code'),Representative=data_dict.get('Representative'))docx_file.write(f'{save_folder}/{path_name}.docx')if __name__ == '__main__':# 定义需处理的文件路径doc_path = r"D:\solve_path\单位.doc"excel_path = r"D:\solve_path\信息.xls"save_folder = Path('D:/docx_save')save_folder.mkdir(parents=True, exist_ok=True)  # 文件夹没有时自动创建# 获取excel数据data = pd.read_excel(excel_path)data = data.astype(str)  # 将数据类型强制转换为str类型，避免word替换出错docx_path = doctransform2docx(doc_path)data_save = data.apply(lambda x: replace_docx(x.to_dict(), docx_path), axis=1)

替换后效果图，可以看到word中格式没有被打乱。

这种方法在整个流程操作下非常顺滑，代码量也相对较少，但是复用性较差，目前我暂未发现能将该代码打包成exe，让其他人能够自定义需要修改的字段名，只能针对于一种需求，每次更改需求就要更改主体代码.merge方法中的参数，对于面向未来编程不太优雅。

适用性排序：方案二 > 方案一 > 方案三
简易性排序：方案三 > 方案二 > 方案一

PS: 如果电脑安装的是WPS，可以尝试手动转换doc格式为docx格式，再进行批量操作。

总结

经过几番尝试后，也是我的学识不深，在跌跌撞撞中找到一种既能替换docx中的字符串也不会改变原有格式的方案，相信一定会有更好的方案，只是此时我没有找到，时间是不停地向前的，我也不应落下，以求共同富贵。如对此有疑问或者见解欢迎评论区留言。

于二零二一年十一月二十八日作

使用python的zipfile模块巧解word批量生成问题相关推荐

python之sys模块详解_(转)python之os,sys模块详解
python之sys模块详解原文:http://www.cnblogs.com/cherishry/p/5725184.html sys模块功能多,我们这里介绍一些比较实用的功能,相信你会喜欢的,和 ...
【Python】python之subprocess模块详解
[Python]python之subprocess模块详解 subprocess模块 subprocess是Python 2.4中新增的一个模块,它允许你生成新的进程,连接到它们的 input/out ...
Python的pickle模块详解（包括优缺点及和JSON的区别）
文章目录一.pickle是什么? 1.pickle的优缺点 2.pickle和JSON的区别 3.pickle的应用总结二.pickle的用法 1. pickle接口 2. pickle实例结语 ...
python批量生成word报告_Python操作Word批量生成合同的实现示例
背景:大约有3K家商家需要重新确认信息并签订合同.合同是统一的Word版本.每个供应商需要修改合同内的金额部分.人工处理方式需要每个复制粘贴且金额要生成大写金额.基于重复工作可偷懒.用Python解救 ...
python制作合同模板带图片_办公自动化7_用Python操作Word批量生成合同
########## 实例7:用Python操作Word批量生成合同 ################ ''' 来源网上整理 ,供学习使用. 我们建立的模板和合同信息如下图所示:这里有几个注意事项: ...
python制作合同模板带图片_Python操作Word批量生成合同的实现示例
背景:大约有3K家商家需要重新确认信息并签订合同.合同是统一的Word版本.每个供应商需要修改合同内的金额部分.人工处理方式需要每个复制粘贴且金额要生成大写金额.基于重复工作可偷懒.用Python解救 ...
python zipfile_python zipfile模块学习笔记（一）
ZIP文件格式是一种常见的存档和压缩标准,这个zipfile模块提供了工具来创建.读取.写入.附加和列出一个ZIP文件.使用ZIP64扩展(即压缩文件大小超过4G),它能解压加密的ZIP文件,解密过程 ...
python中logging模块详解_python logging日志模块详解
logging 日志模块详解用Python写代码的时候,在想看的地方写个print xx 就能在控制台上显示打印信息,这样子就能知道它是什么了,但是当我需要看大量的地方或者在一个文件中查看的时候,这 ...
Python的PyYAML模块详解
文章目录注:原文链接简介安装简单安装从源码安装最常被问到的问题使用详解加载YAML 转储YAML 构造.表示和解析 YAML语法文档块序列块映射流集合标量别名标签 YAM ...

使用python的zipfile模块巧解word批量生成问题