Python自动化办公应用学习笔记45—Word文档自动化处理1

一、Python操作Word文档的核心库

Python中可以读取word文件的库有python-docx和pywin32。python-docx可以跨平台，只能处理 .docx格式，不能处理.doc格式。处理.doc文件需先用pywin32转换为.docx格式。pywin32仅限 windows 平台，.doc和.docx都能处理还可以将.doc格式另存为.docx格式。扩展库：docx-mailmerge（邮件合并）、pypiwin32（COM接口）。

1. 核心库对比

Python操作Word文档主要依赖两个核心库：

2. 文档结构层次

Python可以利用python-docx模块处理word文档，处理方式是面向对象的，就是把word文档中的段落、文本、字体等都看做对象，对对象进行处理就是对word文档的内容处理。Python读取Word文档内容，每进行一个操作，注意必须保存一下。

Word文档采用面向对象的结构设计：一篇文档也就是Document()对象，第一要分成不同的节，也就是由sections对象控制，然后每节中又分成不同的段落paragraphs对象，每段又由不同的块run对象组成，针对不同的节（section）可以设置页面的一些属性，针对不同的段落（paragraph），可以设置间距和缩进、换行和分页等，针对不同块（run）可以设置字体的字型、颜色、大小等。

Document (文档)

├── Section (节) – 控制页面格式

│ ├── Paragraph (段落) – 文本块

│ │ ├── Run (文字块) – 统一格式的文本片段

│ ├── Table (表格)

│ │ ├── Row (行)

│ │ │ ├── Cell (单元格)

│ ├── Image (图片)

核心对象说明

1. Document对象：表明整个Word文档

2. Section对象：文档的分节，控制页面属性

3. Paragraph对象：文档中的段落，text属性

4. Run对象：段落内具有一样格式的文本块，text属性

5. Table对象：文档中的表格

二、python-docx库安装与基础操作

1．安装与导入

pip install python-docx

# 常用导入语句

from docx import Document（文档读写）

from docx.shared import Pt,Cm,Inches （字体大小，不必定全用到）

from docx.oxml.ns import qn（设置字体格式,分栏等用到）

from docx.shared import RGBColor （设置字体颜色）

from docx.enum.text import WD_ALIGN_PARAGRAPH （设置对其方式）

from docx.enum.section import WD_ORIENTATION （纸张方向用到）

2．创建与保存文档

只要不指定路径，就默认为创建新Word文件。对文档的修改和创建都要保存。

# 创建新文档

doc = Document()

# 保存文档

doc.save(‘new_document.docx’)

# 打开现有文档

existing_doc = Document(‘existing.docx’)