python document_python处理document文档保留原样式
document文档格式、线段、图片、页眉页脚等都不变,供大家参考,具体内容如下 # -*- coding: utf-8 -*-
# @Time : 2019/5/6 11:46
# @Author :
"""
# 利用python-docx替换文章中的内容
pip install python-docx
# 格式、线段、图片、页眉页脚等都不变
# python-docx 在处理超链接的问题时,可以参考一下链接对源码进行修改
https://github.com/python-openxml/python-docx/issues/85
# 具体修改操作如下
\site-packages\docx\oxml\__init__.py
# 需要新增的代码
def remove_hyperlink_tags(xml):
import re
text = xml.decode('utf-8')
text = text.replace("","")
text = re.sub(']*>', "", text)
return text.encode('utf-8')
# 需要修改的源码
def parse_xml(xml):
root_element = etree.fromstring(remove_hyperlink_tags(xml), oxml_parser)
return root_element
"""
import os
from docx import Document
from win32com import client
# 自己写的逐句翻译包
import doc_scan
def pre_document(filename):
"""
由于python_docx(只能读取.docx文件,不能读取.doc文件)
将对应文件夹下的doc文件转为docx文件
:param filename: 文件的绝对路径
:return:
"""
file_tuple = os.path.splitext(filename)
if file_tuple[1] == '.doc':
word = client.Dispatch('Word.Application')
doc = word.Documents.Open(filename) # 目标路径下的文件
doc.SaveAs(file_tuple[0] + ".docx", 16) # 转化后路径下的文件
doc.Close()
word.Quit()
# 把源文件删除
os.remove(filename)
def read_document():
"""
原文文章为中文,然后将中文逐句翻译成英文,把英文替换原来的中文,保留文章的原样式
:return:
"""
# 遍历doc文件下的所有的文件
path = os.path.dirname(os.path.abspath(__file__)) + '\doc'
for f in os.listdir(path):
file = "%s\%s" % (path, f)
# 对源文件进行预处理
pre_document(file)
document = Document(file)
for num, paragraph in enumerate(document.paragraphs):
# 获取每段中的文字
old_text = paragraph.text.strip()
if old_text:
inlines = paragraph.runs
if inlines:
# 将原有的文章里面的内容为空
for li, inli in enumerate(inlines):
inlines[li].text = inlines[li].text.replace(inlines[li].text, '')
new_text = doc_scan.Scan(old_text)
# 把翻译好的文章句子 替换到 零号位置上面
inlines[0].text = new_text
# 保存文件,覆盖操作
document.save(file)
# 将document中的图片下载到本地
# document = Document(file)
# for shape in document.inline_shapes:
# contentID = shape._inline.graphic.graphicData.pic.blipFill.blip.embed
# contentType = document.part.related_parts[contentID].content_type
# if not contentType.startswith('image'):
# continue
# imgName = basename(document.part.related_parts[contentID].partname)
# imgData = document.part.related_parts[contentID]._blob
# with open(imgName,'wb') as fp:
# fp.write(imgData)
if __name__ == '__main__':
read_document()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持聚米学院。
python document_python处理document文档保留原样式相关推荐
- python document_python 处理document文档 保留原样式
document文档格式.线段.图片.页眉页脚等都不变 # -*- coding: utf-8 -*- # @Time : 2019/5/6 11:46 # @Author : "" ...
- python处理word文档保留格式_python 处理document文档 保留原样式
document文档格式.线段.图片.页眉页脚等都不变 # -*- coding: utf-8 -*- # @Time : 2019/5/6 11:46 # @Author : "" ...
- Python动态修改Word文档内容,保留格式样式,并批量生成PDF
Python动态修改Word文档内容,保留格式样式,并批量生成PDF 前言 一.需要安装的库 二.核心逻辑-替换 前言 假如你有一个Word模版文档,要在里面填写人员信息,但人员有成百上千个,手动填起 ...
- python数据采集6-读取文档
文章目录 python数据采集6-读取文档 文档编码 纯文本 CSV PDF 微软Word和.docx python数据采集6-读取文档 有种观点认为,互联网基本上就是那些符合新式 Web 2.0 潮 ...
- python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...
目标 最近实验室里成立了一个计算机兴趣小组 倡议大家多把自己解决问题的经验记录并分享 就像在CSDN写博客一样 虽然刚刚起步 但考虑到后面此类经验记录的资料会越来越多 所以一开始就要做好模板设计(如下 ...
- 使用sphinx为python注释生成docAPI文档
sphinx简介 sphinx是一种基于Python的文档工具,它可以令人轻松的撰写出清晰且优美的文档,由Georg Brandl在BSD许可证下开发. 新版的Python3文档就是由sphinx生成 ...
- 使用sphinx快速为你python注释生成API文档
sphinx简介 sphinx是一种基于Python的文档工具,它可以令人轻松的撰写出清晰且优美的文档,由Georg Brandl在BSD许可证下开发.新版的Python3文档就是由sphinx生成的 ...
- 用Python实现Word多文档合并
用Python实现Word多文档合并 1.使用python-docx和docxcompose扩展库 2.doc另存为docx 3.发布EXE 4.爬坑 爬坑1:打开rtf或doc时避免弹出 爬坑2:另 ...
- python新建word文档_使用Python 自动生成 Word 文档的教程
当然要用第三方库啦 :) 使用以下命令安装: pip install python-docx 使用该库的基本步骤为: 1.建立一个文档对象(可自动使用默认模板建立,也可以使用已有文件). 2.设置文档 ...
最新文章
- 二、python小功能记录——监听鼠标事件
- JVM之Java类加载器
- javascript 控制键盘输入
- Hexo博客新福利:HexoEditor编辑器最新使用方法
- 【常用】linux 命令是什么的缩写(命令缩写)?vi快捷键,linux操作,c语言缩写,计算机相关,其他缩写,xshell操作,apt-get命令大全
- 我们坚持专业与创新,U can U up
- 不使用加减乘除实现加法
- 自用Markdown颜色字体代码
- 【软件安装】IDM安装并扩展到FireFox和Google Chrome
- lpop 原子_原子尺度表征神器STEM:同时获得原子分辨率晶体结构、成分和电子结构信息...
- 智慧校园: 00 开发流程
- 【高等数学】弧微分、渐近线、曲率和曲率半径
- 程序猿需要阅览的书籍
- Oracle LOB 详解
- 使用STM32CubeMX创建USB MSC工程
- Qt编写安防视频监控系统46-视频存储
- 弹跳蚂蚱 Jumping Grasshopper
- 一样的操作,同样的引入,爆红:can’t resolve symbol
- 关闭依赖jar包日志
- Python(1)自动发送邮件
热门文章
- redmi airdots手动串联_串联谐振试验装置组成图
- Linux中存储相关的命令,Linux存储管理命令与HAB相关命令
- 北航教授吐槽研究生基本废了:985高校成高级蓝翔
- 中科院教授:科技界已几乎沦为名利场...
- 知名教授:科研与饭碗
- 数学原来这么有趣,一组图唤醒你的思维!
- 延长天文学家寿命的发现——纳皮尔发现对数
- 双路服务器单路运行,单路还是双路?看需求选择_机箱电源评测-中关村在线
- python输出结果每5个换行_python for循环 - python基础入门(11)
- 窗口函数和hive优化简记