1. 前言

关于 Word 文档的读写，前面两篇文章分别进行了一次全面的总结

最全总结 | 聊聊 Python 办公自动化之 Word(上)

最全总结 | 聊聊 Python 办公自动化之 Word(中)

本篇文章作为一个办公自动化 Word 篇的一个补充，写写几个比较实用的办公场景

包含：

页眉页脚处理

合并多个文档

新增数字索引

doc 批量转 docx

对比文档差异性

特别内容标注

替换文字内容

2. 页眉页脚

每一个页面章节都包含：页眉页脚

它可以单独设置，每个页面都不一样；也可以全部设置成与首页一样

这个功能，由章节对象中的属性 different_first_page_header_footer 来控制

当值为 True 时，代表页眉页脚不同于首页，每个页面章节的页眉、页脚都可以单独设置

当值为 False 时，所有页面的页眉、页脚都一样

# 1、获取待处理页眉、页脚的章节

header = self.doc.sections[0].header

footer = self.doc.sections[0].footer

# True if this section displays a distinct first-page header and footer

# True：页眉页脚不同于首页，每个页面章节的页眉页脚单独设置

# False：每个页面的页眉页脚相同

self.doc.sections[0].different_first_page_header_footer = True

添加页眉页脚包含两种，分别是：普通页眉页脚、自定义样式的页眉页脚

1 - 普通页眉页脚

def add_norm_header_and_footer(header, footer, header_content, footer_content):

"""

增加一个普通的页眉、页脚，并居中显示

:param header_content:

:param footer_content:

:return:

"""

# 新增/修改页眉、页脚

# 注意：一般页眉、页脚里只有一个段落

header.paragraphs[0].text = header_content

footer.paragraphs[0].text = footer_content

# 居中显示

header.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 2、新增页眉

# 2.1 普通的页眉、页脚

add_norm_header_and_footer(header, footer, "我是一个页眉", "我是一个页脚")

2 - 自带样式的页眉页脚

def add_custom_style_header_and_footer(header, footer, header_content, footer_content, style):

"""

新增自定义的页眉、页脚

:param header:

:param footer:

:param header_content:

:param footer_content:

:param style:

:return:

"""

# 注意：style_type=2，否则会报错

header.paragraphs[0].add_run(header_content, style)

footer.paragraphs[0].add_run(footer_content, style)

# 2.2 自带样式的页眉、页脚

# 创建一个样式

style_paragraph = create_style(document=self.doc, style_name="style5", style_type=2, font_size=30,

font_color=[0xff, 0x00, 0x00], align=WD_PARAGRAPH_ALIGNMENT.CENTER)

add_custom_style_header_and_footer(header, footer, "我是页眉2", "我是页脚2", style_paragraph)

如果想将文档中所有的页眉、页脚删除掉，只需要 2 个步骤：

遍历文档中所有页面章节，将其 different_first_page_header_footer 属性值设置为 False

设置章节对象页眉页脚的 is_linked_to_previous 属性值为 True

PS：当 is_linked_to_previous 设置为 True 时，页眉页脚会被删除

def remove_all_header_and_footer(doc):

"""

删除文档中所有页眉和页脚

:param doc:

:return:

"""

for section in doc.sections:

section.different_first_page_header_footer = False

# 当is_linked_to_previous设置为True时，页眉页脚会被删除

section.header.is_linked_to_previous = True

section.footer.is_linked_to_previous = True

3. 合并多个文档

日常工作中，经常会遇到将多个 Word 文档合并成一个文件的需求

这里，可以使用另外一个 Python 依赖库：docxcompose

# 合并多个文件的依赖库

# pip3 install docxcompose

使用也非常简单，只需要下面 4 行代码，就能将多个文件进行合并，生成到一个新的文件中去

from docxcompose.composer import Composer

def compose_files(self, files, output_file_path):

"""

合并多个word文件到一个文件中

:param files:待合并文件的列表

:param output_file_path 新的文件路径

:return:

"""

composer = Composer(Document())

for file in files:

composer.append(Document(file))

# 保存到新的文件中

composer.save(output_file_path)

新增数字索引

我们经常需要在文档页脚处添加页面数字索引，可惜 python-docx 并没有提供现有方法

但是，在 stackoverflow 上找到实现的方式

from docx.oxml.xmlchemy import BaseOxmlElement, ZeroOrOne, ZeroOrMore, OxmlElement

from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

from docx.oxml import ns

def create_element(self, name):

return OxmlElement(name)

def create_attribute(self, element, name, value):

element.set(ns.qn(name), value)

def add_page_number(self, run):

"""

添加页面索引

:param run:

:return:

"""

fldChar1 = self.create_element('w:fldChar')

self.create_attribute(fldChar1, 'w:fldCharType', 'begin')

instrText = self.create_element('w:instrText')

self.create_attribute(instrText, 'xml:space', 'preserve')

instrText.text = "PAGE"

fldChar2 = self.create_element('w:fldChar')

self.create_attribute(fldChar2, 'w:fldCharType', 'end')

# run._r：class 'docx.oxml.text.run.CT_R'>

run._r.append(fldChar1)

run._r.append(instrText)

run._r.append(fldChar2)

默认生成的数字索引在页脚左下角，并不美观！

因此，这里我们可以使用 第一篇文章 的方法创建一个「文字块样式」，然后以文字块 Run 的形式，添加到页脚的第一个段落中去

# 注意：要设置页眉页脚的对齐方式，必须设置到段落上(文字块不能添加对齐方式)

doc.sections[0].footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 创建一个文字块样式，指定字体名称、大小、颜色

style = create_style(document=doc, style_name="style", style_type=2, font_size=10,

font_color=[0x00, 0x00, 0x00], font_name="黑体")

self.add_page_number(doc.sections[0].footer.paragraphs[0].add_run("", style))

doc.save("./output.docx")

print('添加页码索引成功！')

需要注意的，如果需要设置页面数字索引的对齐方式，必须针对页脚的段落进行设置，修改其 alignment 属性值即可

5. doc 转 docx

python-docx 对 doc 格式的文档不太友好，要处理这类文档，我们需要先将它转换为 docx 格式

对于 Windows 系统，完全可以使用 win32com 这个模块，用命令去调用 Word 应用，打开源文件后，保存了 docx 格式的文件即可

from win32com import client

def doc_to_docx_in_win(path_raw, path_output):

"""

doc转为docx(win)

:param path_original:

:param path_final:

:return:

"""

# 获取文件的格式后缀

file_suffix = os.path.splitext(path_raw)[1]

if file_suffix == ".doc":

word = client.Dispatch('Word.Application')

# 源文件

doc = word.Documents.Open(path_raw)

# 生成的新文件

doc.SaveAs(path_output, 16)

doc.Close()

word.Quit()

elif file_suffix == ".docx":

shutil.copy(path_raw, path_output)

而对于 Mac/Linux，推荐使用 LibreOffice 去转换文档格式

# 转换格式

./soffice --headless --convert-to docx 源文件.doc --outdir /output/path/

PS：LibreOffice 是一款由社区创造的自由免费办公套件，跨平台，内置的 soffice 可以用于文件转换

以 Mac OS 为例，我们按下面步骤来操作

官网下载 LibreOffice 软件并安装

找到 LibreOffice 软件安装目录，将 soffice 命令所在目录配置到环境变量中

重启 Pycharm

使用 os 模块下的 walk() 函数遍历所有源文件，组成一条 soffice 转换命令

执行转换命令

import os

source = "./doc/"

dest = "./docx/"

g = os.walk(source)

# 遍历文件夹

for root, dirs, files in g:

for file in files:

# 源文件完整路径

file_path_raw = os.path.join(root, file)

print(file_path_raw)

os.system("soffice --headless --convert-to docx {} --outdir {}".format(file_path_raw, dest))

对比文档差异性

两个 Word 文档的对比也是工作中比较常见的需求了

首先，遍历文档中所有段落，过滤掉空行，获取所有文本内容

# 分别获取段落内容

content1 = ''

content2 = ''

for paragraph in file1.paragraphs:

if "" == paragraph.text.strip():

continue

content1 += paragraph.text + '\n'

for paragraph in file2.paragraphs:

if "" == paragraph.text.strip():

continue

content2 += paragraph.text + '\n'

# 如果参数 keepends 为 False，不包含换行符，如果为 True，则保留换行符。

print("第二个文档数据如下：\n", content1.splitlines(keepends=False))

print("第一个文档数据如下：\n", content1.splitlines(keepends=False))

接着，使用 Python 中的标准依赖库 difflib 对比文字间的差异，最后生成 HTML 差异报告

import codecs

from difflib import HtmlDiff

# 差异内容

diff_html = HtmlDiff(wrapcolumn=100).make_file(content1.split("\n"), content2.split("\n"))

# 写入到文件中

with codecs.open('./diff_result.html', 'w', encoding='utf-8') as f:

f.write(diff_html)

7. 特别内容标注

我们经常需要对文档中部分重要内容进行特别标注

比如，我们需要对文档中包含「 微信 」的文字块或单元格，标为红色并加粗显示

1 - 段落内容

只需要遍历出段落中所有文字块 Run，直接修改文字块的 Font 属性即可

doc = Document(file)

# 关键字的文字块或单元格标红，并加粗

# 1、修改段落中包含关键字的文件块的样式

for paragraph in doc.paragraphs:

for run in paragraph.runs:

if keyword in run.text:

# 修改颜色为红色，并加粗显示

run.font.bold = True

run.font.color.rgb = RGBColor(255, 0, 0)

2 - 表格内容

设置满足条件的单元格样式有点特别，需要经过下面 4 个步骤

获取单元格对象，获取单元格文本内容，并临时保存

清空单元格数据

单元格对象追加一个段落和一个文字块 Run，返回一个文字块对象

设置文字块对象样式，标红并加粗

tables = [table for table in doc.tables]

for table in tables:

for row in table.rows:

for cell in row.cells:

if keyword in cell.text:

# 原内容

content_raw = cell.text

# 清空单元格数据

cell.text = ""

# 追加数据进去，并设置样式

run = cell.paragraphs[0].add_run(content_raw)

run.font.color.rgb = RGBColor(255, 0, 0)

run.font.bold = True

8. 替换文字内容

有时候，我们需要将文档中某个关键字全部替换成一个新的内容

这时候，我们可以遍历所有段落和表格，使用 replace() 函数对段落文本和单元格内容进行替换

def replace_content(self, old_content, new_content):

"""

替换文档中所有内容

:param old_content:旧的内容

:param new_content:新的内容

:return:

"""

# 替换段落

for paragraph in self.doc.paragraphs:

if old_content in paragraph.text:

# 替换内容后，重新设置进去

paragraph.text = paragraph.text.replace(old_content, new_content)

# 替换表格

# document.tables[表格索引].rows[行索引].cells[单元格列索引].text = “新的数据”。

tables = [table for table in self.doc.tables]

for table in tables:

for row in table.rows:

for cell in row.cells:

if old_content in cell.text:

# 重新设置单元格内容

cell.text = cell.text.replace(old_content, new_content)

# 保存到一个新的文件中

self.doc.save('./new.docx')

9. 最后

到此，Python 自动化 Word 篇的内容全部结束了！

如果实际工作中，有一些其他的业务场景文中没有覆盖到，可以在文末进行留言，后面办公自动化实战篇可能会提供对应的解决方案！

要获取全部源码，关注公众号，后台回复「 word 」即可获得全部源码