word文檔(docx)的讀取和寫入：docx模塊

07-22

來自專欄 Python程序員20 人贊了文章

介紹採用python_docx模塊處理word文檔的基本技巧，特別是圖片如何提取和寫入。

python已有幾個模塊可處理word文檔、excel表格、以及ppt演示文稿。首先，匯總列出各模塊對不同版本文件的處理能力：

docx模塊：可讀取、寫入.docx文檔（不支持.doc文檔！！！）

xlrd模塊：可讀取.xls、.xlsx表格

xlwt模塊：可寫入.xls表格（不可寫入.xlsx文件！！！）

pptx模塊：可讀取、寫入.ppt、.pptx（.ppt演示文稿，只能讀取pptx模塊自身輸出的，對其他方式生成的不支持！！！）

首先介紹docx模塊中如何描述一篇word文檔。

word文檔的結構描述不如excel表格那麼直觀。word文檔整體上有幾類對象組成：

（1）節Section：表示word文檔中頁面布局一樣的部分內容。

（2）段落Paragraph：word文檔的基本組成單元就是段落。文字、圖形都位於段落之中。

（3）塊Run：每個段落之中的內容可以具有不同的樣式，這些具有相同樣式的基本單元可稱之為塊。一個段落可由多個塊組成（各塊之間允許設置不同的樣式，但也可保持相同的樣式）。

（4）內聯圖形Inline_shape：以嵌入方式置入word文檔中的圖形稱之為內聯圖形。除此之外，還有其他布局方式的圖形，可在塊中找到，但其並不在內聯圖形集合中。

（5）表格Table：嵌入word文檔的表格。表格由行、列、單元格組成。單元格中的內容可以包含段落、圖形、表格等。注意，表格不在段落之中。

（6）樣式Style：用來確定word文檔內置對象格式的各種樣式，包括段落樣式、表格樣式、字元樣式、列表樣式（包括有序列表和無序列表）。

以上1~3項、6項是一個word文檔必備的元素。

下面介紹docx模塊具體如何操作一個word文檔。

打開或新建文檔：

doc = docx.Document(1.docx) #打開word文檔1.docx，如果不指定文件路徑，則新建文檔

節操作：

新建的文檔已包含一個節對象。節對象本質上是一個分節符（除第一節外），分節符本身構成一個獨立段落，包括在doc.paragraphs中。

doc.sections #返迴文檔中節集合，其組成元素為節對象，可以通過索引獲取

doc.add_section(start_type=2) #增加一個新節，start_type為分節符的類型

doc.sections[n] #返回索引為n的節對象。可以通過節對象的屬性訪問或設置節的格式，其主要屬性包括：

分節符類型：start_type，0表示連續分節符，1表示節的結尾符號，2表示下一頁分節符，3表示偶數頁分節符，4表示奇數頁分節符
頁面方向： orientation，1表示橫向，0表示縱向
頁面尺寸：page_height（頁高）, page_width（葉寬）。距離屬性都可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）
邊距：bottom_margin（底部頁邊距）, footer_distance（頁腳到底部間距）, gutter（裝訂線到葉邊距離）, header_distance（頂部頁邊距）, left_margin（左側頁邊距）, right_margin（右側頁邊距）, top_margin（頂部頁邊距）。距離屬性都可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）

段落操作：

doc.paragraphs #返迴文檔中段落集合，其組成元素為段落對象，可以通過索引獲取

doc.paragraphs[n] #返回索引為n的段落對象

doc.add_paragraph(text=, stylex=None) #在文檔末尾增加一個新的段落，text為段落文本，style為段落樣式（如預設為None，則繼承文檔默認段落樣式）

doc.add_heading(text=, level=1) #在文檔末尾增加標題段落。level表示標題級別

doc.add_page_break() #在文檔末尾增加新段落，該段落僅包含分頁符

doc.paragraphs[n].insert_paragraph_before(text=None, stylex=None) #在索引為n的段落前增加一個段落

doc.paragraphs[n].text #返回或設置段落的文本內容

doc.paragraphs[n].paragraph_format #返回索引為n的段落的段落格式。可以通過段落格式（而不是段落對象本身，與節對象不同）的屬性訪問或設置段落的格式，其主要屬性包括：

段落對齊方式：alignment，0為左對齊，1為居中，2為右對齊，3為兩端對齊，4為分散對齊，5為垂直居中對齊，7為垂直頂端對齊，8為垂直底端對齊，9為泰文對齊（5~9還有待確認）
縮進：first_line_indent（首行縮進，如為負值則是懸掛縮進）, left_indent（段落左側縮進）, right_indent（段落右側縮進）。距離屬性都可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）
間距：line_spacing（行距）, line_spacing_rule（行距預設值，0表示單倍行距，1表示1.5倍行距，2表示2倍行距，3表示最小行距，4表示固定行距，5表示多倍行距）, space_after（段後間距）, space_before（段前間距）。除行距預設值外，其他都是距離屬性，都可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）
換行和分頁：keep_together（段中不分頁）, keep_with_next（與下段同頁）, page_break_before（段前分頁）, widow_control（孤行控制），均為邏輯值（True/False）
製表位：tab_stops，返回該段落採用的製表位集合。所謂製表位，就是在標尺上出現的標記，用於控制tab鍵的對齊方式。
doc.paragraphs[n].tab_stops.add_tab_stop(position, alignment=0, leader=0) #在position（離段落左邊界的距離）位置添加一個製表位，alignment為製表位對齊方式（0為左對齊，1為居中，2為右對齊，3為小數點對齊，4為豎線對齊），leader為前導符（0為無，1為.....，2為---，3為___，4為……）
doc.paragraphs[n].runs[m].add_tab() #在塊操作中，可增加製表符。也可直接在段落或塊的text屬性中寫入，也表示一個製表符

塊操作：

doc.paragraphs[n].runs #返回段落n的塊集合，其組成元素為塊對象，可以通過索引獲取

doc.paragraphs[n].add_run(text=None, stylex=None) #在段落末尾增加一個新的塊

doc.paragraphs[n].runs[m].add_break(break_type=6) #在塊末尾增加分隔符。break_type為分隔符類型（2為下一頁分節符，3為連續分節符，4為偶數頁分節符，5為奇數頁分節符，6為換行符，7為分頁符，8為分欄符，9、10、11都可認為是換行符。注意區別節對象的start_type屬性，兩者分節符的代碼並不一樣）。換行符即
，其也可通過.text屬性設置

doc.paragraphs[n].runs[m].add_text(text) #在塊末尾增加文字內容

doc.paragraphs[n].runs[m].text #返回或設置塊的文本內容

doc.paragraphs[n].runs[m].element.drawing_lst #返回塊中的圖形列表，包括內聯圖形和非內聯圖形，相比doc.inline_shapes更完整！！！

doc.paragraphs[n].runs[m] #返回段落n的塊對象m。可以通過其屬性訪問或設置塊的格式（主要是文字樣式），其主要屬性包括：

加粗： bold，True表示加粗
斜體：italic，True表示斜體
下劃線：underline，一共可設置18種下劃線樣式（常用的0為無下劃線，1為單下劃線，3為雙下劃線，4為點下劃線，6為加粗單下劃線，11為波浪線）
字體：font，返回字體對象，通過字體對象的以下屬性可以設置塊文字字體樣式：
name：字體名稱
size：字體大小，可通過磅數docx.shared.Pt()進行設置（詳見下文公用對象）
bold：True表示加粗
italic：True表示斜體
underline：下劃線，同上可設置18種下劃線樣式

內聯圖形操作：

doc.inline_shapes #文檔所有內聯圖形的集合，其元素為內聯圖形對象，可索引

doc.paragraphs[n].add_picture(image_path_or_stream, width_=None, height=None) #在文檔末尾增加內聯圖形，作為一個新的段落。image_path_or_stream為圖片文件路徑或文件對象。width（圖片寬度）、height（圖片高度）可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象），指定其中之一即可，另一將按比例縮放

doc.paragraphs[n].runs[m].add_picture(image_path_or_stream, width_=None, height=None) #在塊末尾增加內聯圖形。image_path_or_stream為圖片文件路徑或文件對象。width（圖片寬度）、height（圖片高度）可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象），指定其中之一即可，另一將按比例縮放

doc.inline_shapes[n] #索引為n的內聯圖形對象。通過其屬性可訪問或設置對應內聯圖形的格式，主要屬性包括：

圖片尺寸：height, width，可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）
圖片類型：type（3表示圖片，4表示鏈接圖片，12表示圖表，15表示smart-art圖形）

表格操作：

doc.tables #文檔中的表格對象集合，可索引

doc.tables[n].add_row() #在表格底部增加一行

doc.tables[n].add_column(width) #在表格右側增加一列，列寬為width，可通過尺寸對象docx.shared.xx()進行設置（詳見下文公用對象）

doc.tables[n].rows #返回表格行對象集合

doc.tables[n].columns #返回表格列對象集合

doc.tables[n].row_cells(rowx) #返回表格行索引為rowx的單元格對象集合

doc.tables[n].column_cells(colx) #返回表格列索引為colx的單元格對象集合

doc.tables[n].cell(rowx, colx) #返回表格行、列索引分別為rowx、colx的單元格對象。單元格具有屬性：add_paragraph, add_table, merge, paragraphs, tables, text, width等

doc.tables[n] #索引為n的表格，通過其屬性可訪問或設置表格格式，主要屬性包括：

對齊方式：alignment，預設0表示左對齊，1表示居中，2表示右對齊。
自動調整：autofit，如為True，表示根據內容自動調整列寬。False表示固定列寬。如果表格寬度超過頁面寬度，則無論True還是False，表格列寬都將自動調整
表格方向：table_direction，True表示從右向左排列，False（默認）表示從左向右排列

樣式操作：

doc.styles #返迴文檔樣式集合，其元素包括段落樣式、表格樣式、字元樣式、列表樣式，只可通過鍵訪問（鍵為樣式名稱）（區別於文檔其他對象集合通過索引訪問）

doc.styles.add_style(name, style_type, builtin=False) #新增一個樣式。name為樣式名稱，style_type為樣式類型（1代表段落；2代表字元；3代表表格；4表示列表），builtin（bool）表示是否為內建樣式

公用對象：

docx.shared.xx() #尺寸對象，可用於各類尺寸相關設置，包括多種單位制（厘米Cm、毫米Mm、英寸Inches、磅數Pt、Emu、緹Twips）

docx.enum.shape.WD_INLINE_SHAPE #表示內聯圖形類型的常量類

docx.enum.text.WD_ALIGN_PARAGRAPH #表示段落對齊方式的常量類

docx.enum.text.WD_PARAGRAPH_ALIGNMENT #同docx.enum.text.WD_ALIGN_PARAGRAPH

docx.enum.text.WD_BREAK #表示分隔符類型的常量類

docx.enum.text.WD_BREAK_TYPE #同docx.enum.text.WD_BREAK

docx.enum.text.WD_COLOR #表示顏色的常量類

docx.enum.text.WD_COLOR_INDEX #同docx.enum.text.WD_COLOR

docx.enum.text.WD_LINE_SPACING #表示行距的常量類

docx.enum.text.WD_TAB_ALIGNMENT #表示製表位對齊方式的常量類

docx.enum.text.WD_TAB_LEADER #表示製表位前導符的常量類

docx.enum.text.WD_UNDERLINE #表示下劃線類型的常量類