Python自动化办公之Word文件内容的读取

前言

前面几个章节我们学习了对于普通文件的操作，比如说文件的创建、复制粘贴、裁剪粘贴、文件名的重命名、删除等等。另外还学习了一些基本练习，如何查找文件、如何按照内容查找文件等等。

在本章节及后续，将开始学习一些特殊文件的自动化相关操作。如 word、excel、PPT，虽然说是特殊文件，其实也是实际工作中我们经常会用到的文件类型。

接下来我们就进入到 word 文件自动化操作的学习内容。

该章节涉及的新模块

python-docx

pdfkit

pydocx

利用 python 批量读取文件

word利器之python-docx

python-docx 是用于创建可修改 微软 Word 的一个 python 库，提供全套的 Word 操作，是最常用的 Word 工具。

使用前，先了解几个概念：

• Document：是一个 Word 文档 对象，不同于 VBA 中 Worksheet 的概念，Document 是独立的，打开不同的 Word 文档，就会有不同的 Document 对象，相互之间没有影响
• Paragraph：是段落，一个 Word 文档由多个段落组成，当在文档中输入一个回车键，就会成为新的段落，输入 shift + 回车，不会分段
• Run 表示一个节段，每个段落由多个 节段 组成，一个段落中具有相同样式的连续文本，组成一个节段，所以一个 段落 对象有个 Run 列表。

例如下图的 word 文档示意图：

word 文档结构划分如下：

python-docx 安装

安装：

pip install python-docx 如果安装速度太慢的话，可以换一个国内的源地址（如下）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-docx

导入：

import docx
from docx import …

python-docx 之 Document

导入包与模块：

from docx import Document

使用方法：

Document(word文件地址)

返回值：

word文件对象

python-docx 之段落内容读取

实际上要想读取一个 word 文档，主要就是读取它的段落以及它的表格。无论是段落还是表格，它的内部都是字符串，我们的目的就是读取这些字符串的内容。

先看一下段落内容的读取方式：

来源：

document_obj.paragraphs 通过 document 对象的 paragraphs 函数返回一个段落的列表；如果 word 文件存在多个段落，就会有多个段落对象。

使用方法：

通过循环获取每个段落对象，并调用 text

演示案例脚本如下：

# coding:utf-8

import os
from docx import Document

path = os.path.join(os.getcwd(), 'test_file/文本.docx')
print("\'文本.docx\' 的路径为：", path)     # 调试路径

doc = Document(path)

for p in doc.paragraphs:
    print(p.text)

运行结果如下：（PS：文本只是演示，本人非培训机构的！）

python-docx 之表格内容读取

接下来我们看一下如何读取 word 文件中的表格内容：

来源：

document_obj.tables 通过 document 对象的 paragraphs 函数返回一个表格的列表；里面是一个一个的表格的对象。

使用方法：

同样通过循环，获取行与列的内容

返回值：

每个表格字段（字符串）

演示案例代码如下：

# coding:utf-8

import os
from docx import Document

path = os.path.join(os.getcwd(), 'test_file/文本.docx')
print("\'文本.docx\' 的路径为：", path)     # 调试路径

doc = Document(path)

# for p in doc.paragraphs:
#     print(p.text)

for t in doc.tables:            # for 循环获取表格对象
    for row in t.rows:          # 获取每一行
        row_str = []
        for cell in row.cells:    # 获取每一行单独的小表格,然后将其内容拼接起来;拼接完成之后再第二个for循环中打印出来
            row_str.append(cell.text)
        print(row_str)
        
# 也可以通过 "columns" 获取表格中的列的内容，可以自己尝试一下

运行结果如下：

到此这篇关于Python自动化办公之Word文件内容的读取的文章就介绍到这了,更多相关Python读取Word内容内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！