9、【办公自动化】Python实现Word文件的批量操作

说明

上一篇介绍了【Python 实现 PDF 文件的批量操作】，这篇将介绍通过 Python 实现 Word 文档的批量操作。Word 作为日常办公重要且常用的文档之一，经常也会遇到一些繁琐的操作场景，比如批量生成某一类型的 Word 文档，批量对 Word 文档的关键字进行标注、替换或者删除，批量将 Word 文档转换成其他格式的文件等。为了提升工作的效率，通过 Python 解决这些场景的方式，有必要了解下。

Word 文件的后缀有.doc 和 .docx 格式，以下模块支持 word 文档的读写：

python-docx：只支持.docx 格式，但可以将 .doc 转成 .docx 格式，从而间接支持 .doc 格式；
pywin32：调用系统的word功能，可以同时支持.doc 和 .docx 格式；

接下来，使用会涉及到这两个模块的使用，可以通过 pip 命令先下载这些模块，

pip install python-docx
pip install pywin32

需要注意，python-docx 模块在 import 时，名称是 docx；pywin32 模块在导入时，名称是win32com。

1、批量生成Word文档

我们知道，在平时办公中，如果使用 Word 文档的 "邮件合并" 功能，可以批量制作一些主要内容相同、只是部分数据不一样的文档，比如邀请函、通知单、采购合同、成绩单等。Python 也可以实现类似的功能，通过套用指定的模板批量生成 Word 文档。

以邀请函的批量制作为例，首先准备一份模板，内容如下：

邀请函中需要替换的字段都用英文单词标记，而填充到模板中的具体信息，可以放在 Excel 表格保存，需要注意的是，Excel 表格各列的标题必须与模板中的字段名保持一致，如下：

代码实现的思路也比较简单：从 Excel 表格中逐行读取数据，然后在 Word 模板文档中查找对应的字段进行替换，最后保存替换后的 Word 文档，完成邀请函的批量制作。

引入的模块：

from docx import Document
from openpyxl import load_workbook

自定义替换标记内容的方法，如下：

def process_replace(doc, header, data):# 段落（不支持表格文本）、具有相同样式的一段连续文本、文本内容paragraphs = doc.paragraphs# print("paragraphs is not null.")if len(paragraphs) > 0:for paragraph in paragraphs:runs = paragraph.runsif len(runs) > 0:for run in runs:run.text = run.text.replace(header, data)print(f"run.text: { run.text}")# 含表格的文本tables = doc.tablesif len(tables) > 0:# print("tables is not null.")for table in tables:rows = table.rowsif len(rows) > 0:for row in rows:cells = row.cellsif len(cells) > 0:for cell in cells:cell.text = cell.text.replace(header, data)

读取 Excel ，经过替换处理后，批量生成带公司名称的 Word 文档：

def process(doc_path, excel_path):wb = load_workbook(excel_path)sheet = wb.activefor row in range(2, sheet.max_row + 1):doc = Document(doc_path)for col in range(1, sheet.max_column + 1):# 表头和数据header = str(sheet.cell(row=1, column=col).value)data = str(sheet.cell(row=row, column=col).value)# 更新word文档process_replace(doc, header, data)# 批量保存，使用excel的第6列的【公司】作为word文档的后缀名称column_name = str(sheet.cell(row=row, column=6).value)doc.save(f'{base_path}{column_name}邀请函.docx')

测试如下：

if __name__ == '__main__':base_path = "D:\\XXX\\test-word\\doc_invitation\\"doc_path = base_path + "邀请函.docx"excel_path = base_path + "邀请函的明细.xlsx"process(doc_path, excel_path)

效果如下：

打开其中的一个 Word 文档，验证替换效果，如下：

完美~~

2、批量操作Wor文档的关键词

2.1 批量标注关键词

有时候，我们可能比较关心 Word 文档里的某些关键词，如果搜索一篇几十页的文档的话，每次只能查找一个关键词，极不方便，有没有办法将我们关心的关键词列表在文档显著的标注出来呢？这样翻看的时候，既能抓住重点，也能避免漏掉关键信息的说明。

基于这种需求场景，接下来使用 Python 实现对 Word 文档的关键词进行批量标注。思路是，使用win32com 模块模拟打开 Word 文档的过程，并在此过程中对指定的关键词列表进行查找和样式标记，全部查找并标注完成后，调用另存为方法对新的 Word 文档保存。

首先，导入相关依赖：

import win32com.client

接着，开始编码实现，如下：

def tag_word(wordPath, newWordPath,keywordList):# 打开office窗口，并设置隐藏（后台运行）,之后就可以打开Word文档了app = win32com.client.gencache.EnsureDispatch('Word.Application')app.Visible = Falseword = app.Documents.Open(wordPath)# 设置样式constants = win32com.client.constantscolorList = [constants.wdRed, constants.wdYellow, constants.wdBlue, constants.wdGreen]process_style(app, constants, keywordList, colorList)# 另存为新Word文档word.SaveAs(newWordPath)# 关闭word.Close()app.Quit()

在设置样式时，可自定义设置要标注的样式，如下：

def process_style(app, constants, keywordList, colorList):if len(keywordList) > 0 and len(colorList) and len(keywordList) == len(colorList):for keyword, color in zip(keywordList, colorList):app.Options.DefaultHighlightColorIndex = colorobj = app.Selection.Findobj.ClearFormatting()obj.Text = keywordobj.Replacement.ClearFormatting()obj.Replacement.Text = keywordobj.Replacement.Font.Bold = True #设置加粗obj.Replacement.Font.Italic = True #设置斜体obj.Replacement.Font.Underline = constants.wdUnderlineDouble #设置下划线obj.Replacement.Highlight = True #高亮显示obj.Execute(Replace=constants.wdReplaceAll)

然后，就可以测试了，测试代码如下：

if __name__ == '__main__':basePath = 'D:\\XXX\\test-word\\doc_tag\\'wordPath = basePath + '公司考勤制度（参考）.docx'newWordPath = basePath + '关键词批量标注_公司考勤制度（参考）.docx'keywordList = ['旷工', '迟到', '早退', '加班']tag_word(wordPath, newWordPath, keywordList)

在网上搜索了一篇关于考勤制度的 Word 文档说明，有几十页之多，说实话每个人可能不会去耐心看完的！而我比较关心'旷工'， '迟到'， '早退'， '加班'等关键词信息，这里通过批量标注，来选择性的阅读。测试效果，如下：

打开【关键词批量标注_公司考勤制度（参考）.docx】，看一下：

以后阅读这种长篇的 Word 文档，通过批量标注的方式就可以提升效率了~~

2.2 批量替换/删除关键词

有了批量标注 Word 文档关键词的思路之后，实现批量替换/删除就很简单了，其实就是将 colorList 里颜色常量，修改成替换后的关键词，如下：

replaceList = ["KG", "CD", "ZT", "JB"]

样式设置的话，略做修改：

def process_replace(app, constants, keywordList, replaceList):if len(keywordList) > 0 and len(replaceList) and len(keywordList) == len(replaceList):for old_kw, replace_kw in zip(keywordList, replaceList):obj = app.Selection.Findobj.ClearFormatting()obj.Text = old_kw  #原关键词obj.Replacement.ClearFormatting()obj.Replacement.Text = replace_kw  #替换后的关键词obj.Replacement.Font.Bold = Trueobj.Replacement.Font.Italic = Trueobj.Replacement.Font.Underline = constants.wdUnderlineDoubleobj.Replacement.Highlight = Trueobj.Execute(Replace=constants.wdReplaceAll)

仍以考勤制度的 Word 文档为例：

打开【关键词批量替换_公司考勤制度（参考）.docx】，效果如下：

效果看上去还不错，如果批量删除的话，就更简单了，把 colorList 都用空字符串填充即可。

3、批量将Word文件转成其他格式文件

3.1 Word 转 txt

这里，使用 win32com 模块，通过 SaveAs("输出路径", 2) 核心 API 即可实现 Word 转 txt。思路是模拟打开 Word 文档，并另存为... 的操作过程。实现如下：

import win32com.clientdef doc2txt(wordPath, txtPath):# 打开office，再打开wordapp = win32com.client.Dispatch('Word.Application')word = app.Documents.Open(wordPath)# 转储到其他文件:2为txt，空为原格式word.SaveAs(txtPath, 2)print("文件转储成功！！！")# 关闭连接word.Close()app.Quit()

转换效果，如下：

需要注意，如果 Word 文档含有图片、表格、图表等特殊区域元素的话，这些是不会被转储到 txt 文件的！！

3.2 Word 转 PDF

批量将 Word 文档转换成 PDF 文件，在之前的文章详细说明过，可以参考 4、【办公自动化】Python实现Word转PDF ，这里不再赘述了。

3.3 Word 转图片

有时候，我们可能还会遇到将 Word 文档内容直接贴出来，而不是发送 Word 文档。比如，写博客文章时贴图，又比如 PPT 引用图片等场景。这样的话，靠截图可以简单实现，如果 Word 文档页数很多，一张张截图未免太麻烦了，这时候将 Word 文档转换成图片才是明智之举。

如何将 Word 文档转换成图片呢？有个可行的思路，如下：

先将 Word 转换成 PDF；
再利用 PDF 的 pdfplumber 模块的 to_inmage() 方法转换成图片；
最后为了满足转换不同格式的图片，可编写个图片格式转换器。

第一步，就是 4.2 描述的场景，第二步在上篇的【提取PDF文件的内容】的【提取图片】有说明过，这些都是验证过并现成的，不再赘述了。

这里，重点实现下图片格式转换器，前面都是默认的 .png 格式，如果转成其他格式，可以自定义实现，如下：

from pathlib import Path
from PIL import Imagesrc_format = input("请输入要转换的图片格式: ")
desc_format = input("请输入转换后的图片格式: ")
path = input('请输入要转换的图片所在的路径：')
# 输出路径
desc_dir = Path(path + "convert\\")
# 自定义转换
for i in list(Path(path).glob(f"*.{src_format}")):desc_file = (desc_dir / i.name).with_suffix(f".{desc_format}")Image.open(i).save(desc_file)print(f'{i.name} 已转换成{desc_format}')

测试用的图片默认的是 .jpg，需要转换成 .png 或 .bmp 格式，转换后的效果，如下：

经过这三步，就可以轻松实现 Word 转换成图片的需求了，so easy啊！