欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python中使用docx模塊處理word文檔

 更新時(shí)間:2023年01月05日 08:42:03   作者:python學(xué)習(xí)者0  
這篇文章主要介紹了python中使用docx模塊處理word文檔的相關(guān)資料,需要的朋友可以參考下

一.docx模塊

Python可以利用python-docx模塊處理word文檔,處理方式是面向?qū)ο蟮?。也就是說(shuō)python-docx模塊會(huì)把word文檔,文檔中的段落、文本、字體等都看做對(duì)象,對(duì)對(duì)象進(jìn)行處理就是對(duì)word文檔的內(nèi)容處理。

二.相關(guān)概念

如果需要讀取word文檔中的文字(一般來(lái)說(shuō),程序也只需要認(rèn)識(shí)word文檔中的文字信息),需要先了解python-docx模塊的幾個(gè)概念。

  • Document對(duì)象,表示一個(gè)word文檔。
  • Paragraph對(duì)象,表示word文檔中的一個(gè)段落
  • Paragraph對(duì)象的text屬性,表示段落中的文本內(nèi)容。

三.模塊的安裝和導(dǎo)入

需要注意,python-docx模塊安裝需要在cmd命令行中輸入pip install python-docx,如下圖表示安裝成功(最后那句英文Successfully installed,成功地安裝完成)

注意在導(dǎo)入模塊時(shí),用的是import docx。

也真是奇了怪了,怎么安裝和導(dǎo)入模塊時(shí),很多都不用一個(gè)名字,看來(lái)是很有必要出一個(gè)python版本的模塊管理程序python-maven了,本段純屬PS。

四.讀取word文本

在了解了上面的信息之后,就很簡(jiǎn)單了,下面先創(chuàng)建一個(gè)D:\temp\word.docx文件,并在其中輸入如下內(nèi)容。

import docx


file=docx.Document(r"F:\python從入門到放棄\7\2\wenjian.docx")

print('段落:'+str(len(file.paragraphs)))
# 
# for para in file.paragraphs:
#     print(para.text)
    
for i in range(len(file.paragraphs)): 
    print("第"+str(i)+"段的內(nèi)容是:"+file.paragraphs[i].text)  
import sys

from docx import Document
from docx.shared import Inches

def main():
#     reload(sys)
#     sys.setdefaultencoding('utf-8')

    # 創(chuàng)建文檔對(duì)象
    document = Document()

    # 設(shè)置文檔標(biāo)題,中文要用unicode字符串
    document.add_heading(u'我的一個(gè)新文檔',0)

    # 往文檔中添加段落
    p = document.add_paragraph('This is a paragraph having some ')
    p.add_run('bold ').bold = True
    p.add_run('and some ')
    p.add_run('italic.').italic = True

    # 添加一級(jí)標(biāo)題
    document.add_heading(u'一級(jí)標(biāo)題, level = 1',level = 1)
    document.add_paragraph('Intense quote',style = 'IntenseQuote')

    # 添加無(wú)序列表
    document.add_paragraph('first item in unordered list',style = 'ListBullet')

    # 添加有序列表
    document.add_paragraph('first item in ordered list',style = 'ListNumber')
    document.add_paragraph('second item in ordered list',style = 'ListNumber')
    document.add_paragraph('third item in ordered list',style = 'ListNumber')

    # 添加圖片,并指定寬度
    document.add_picture('cat.png',width = Inches(2.25))

    # 添加表格: 1行3列
    table = document.add_table(rows = 1,cols = 3)
    # 獲取第一行的單元格列表對(duì)象
    hdr_cells = table.rows[0].cells
    # 為每一個(gè)單元格賦值
    # 注:值都要為字符串類型
    hdr_cells[0].text = 'Name'
    hdr_cells[1].text = 'Age'
    hdr_cells[2].text = 'Tel'
    # 為表格添加一行
    new_cells = table.add_row().cells
    new_cells[0].text = 'Tom'
    new_cells[1].text = '19'
    new_cells[2].text = '12345678'

    # 添加分頁(yè)符
    document.add_page_break()

    # 往新的一頁(yè)中添加段落
    p = document.add_paragraph('This is a paragraph in new page.')

    # 保存文檔
    document.save('demo1.doc')

if __name__ == '__main__':
    main()

讀取表格:

import docx

doc = docx.Document('wenjian.docx')
for table in doc.tables:  # 遍歷所有表格
    print('----table------')
    for row in table.rows:  # 遍歷表格的所有行
        # row_str = '\t'.join([cell.text for cell in row.cells])  # 一行數(shù)據(jù)
        # print row_str
        for cell in row.cells:
            print(cell.text, '\t',)
        print() #換行

首先是用docx.Document打開對(duì)應(yīng)的文件目錄。

docx文件的結(jié)構(gòu)比較復(fù)雜,分為三層,

  • Docment對(duì)象表示整個(gè)文檔;
  • Docment包含了Paragraph對(duì)象的列表,Paragraph對(duì)象用來(lái)表示文檔中的段落;
  • 一個(gè)Paragraph對(duì)象包含Run對(duì)象的列表。

因此p.text會(huì)打印出整個(gè)的文本文檔。而用doc.tables來(lái)遍歷所有的表格。并且對(duì)每個(gè)表格通過(guò)遍歷行,列的方式來(lái)得到所有的內(nèi)容。

但是在運(yùn)行結(jié)果中并沒(méi)有找到我們插入的文件對(duì)象和圖片,text.txt文檔。這部分該如何解析呢。首先我們需要先來(lái)認(rèn)識(shí)下docx文檔的格式組成:

  • docx是Microsoft Office2007之后版本使用的,用新的基于XML的壓縮文件格式取代了其目前專有的默認(rèn)文件格式,在傳統(tǒng)的文件名擴(kuò)展名后面添加了字母“x”(即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”)。

  • docx格式的文件本質(zhì)上是一個(gè)ZIP文件。將一個(gè)docx文件的后綴改為ZIP后是可以用解壓工具打開或是解壓的。事實(shí)上,Word2007的基本文件就是ZIP格式的,他可以算作是docx文件的容器。

  • docx 格式文件的主要內(nèi)容是保存為XML格式的,但文件并非直接保存于磁盤。它是保存在一個(gè)ZIP文件中,然后取擴(kuò)展名為docx。將.docx 格式的文件后綴改為ZIP后解壓, 可以看到解壓出來(lái)的文件夾中有word這樣一個(gè)文件夾,它包含了Word文檔的大部分內(nèi)容。而其中的document.xml文件則包含了文檔的主要文本內(nèi)容

從上面的文檔我們可以了解到docx文檔實(shí)際上是由XML文檔打包組成的。那么我們要得到其中所有的部分,可以用ZIP解壓的方式來(lái)得到所有的部件。

我們先試下看是否可以

1 將docx文檔改成ZIP的后綴

2 解壓文件

解壓之后得到如下幾個(gè)文件

在這里插入圖片描述

點(diǎn)開word文件夾:有如下的文件夾。document.xml就是描述文本對(duì)象的文件

在這里插入圖片描述

其中embeddings文件中就是我們插入的文本對(duì)象text.txt. 是一個(gè)bin文件

在這里插入圖片描述

Media文件中就是存儲(chǔ)的圖片:

在這里插入圖片描述

我們通過(guò)手動(dòng)的方式將插入的文本以及圖片解析出來(lái),那么通過(guò)代碼也是同樣可以解析的。代碼如下。

os.chdir(r'E:\py_prj')  #首先改變目錄到文件的目錄

os.rename('test.docx','test.ZIP')  # 重命名為zip文件

f=zipfile.ZipFile('test.zip','r')  #進(jìn)行解壓

for file in f.namelist():

    f.extract(file)

file=open(r'E:\py_prj\word\embeddings\oleObject1.bin','rb').read() #進(jìn)入文件路徑,讀取二進(jìn)制文件。

for f in file:

    print (f)

通過(guò)上面的方式,就可以將docx中插入的文件以及圖片全部解析出來(lái)。

具體docx的寫的方式可以參考官方文檔的介紹

到此這篇關(guān)于python中使用docx模塊處理word文檔的文章就介紹到這了,更多相關(guān)python中docx模塊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python執(zhí)行JS的四種方法

    Python執(zhí)行JS的四種方法

    本文將詳細(xì)介紹Python中執(zhí)行和調(diào)用JavaScript的多種方法,包括內(nèi)置的execjs庫(kù)、外部庫(kù)如PyExecJS、使用瀏覽器引擎和與Node.js的交互,感興趣的可以了解一下
    2023-11-11
  • Python+wxPython實(shí)現(xiàn)個(gè)人鏈接收藏夾

    Python+wxPython實(shí)現(xiàn)個(gè)人鏈接收藏夾

    這篇文章主要介紹了如何使用wxPython和XML數(shù)據(jù)源創(chuàng)建一個(gè)具有按鈕和Web視圖的應(yīng)用程序窗口,以便輕松管理和訪問(wèn)各種網(wǎng)頁(yè)鏈接,感興趣的可以了解下
    2023-08-08
  • python 3.6.4 安裝配置方法圖文教程

    python 3.6.4 安裝配置方法圖文教程

    這篇文章主要為大家詳細(xì)介紹了python 3.6.4 安裝配置方法圖文教程,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-09-09
  • Python爬蟲獲取圖片并下載保存至本地的實(shí)例

    Python爬蟲獲取圖片并下載保存至本地的實(shí)例

    今天小編就為大家分享一篇Python爬蟲獲取圖片并下載保存至本地的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-06-06
  • Unicode和Python的中文處理

    Unicode和Python的中文處理

    在Python語(yǔ)言中,Uincode字符串處理一直是一個(gè)容易讓人迷惑的問(wèn)題。許多Python愛(ài)好者經(jīng)常因?yàn)楦悴磺錟nicode、UTF-8還有其它許許多多的編碼之間的區(qū)別而大傷腦筋。本文將介紹Unicode和Python的中文處理的相關(guān)知識(shí)。下面跟著小編一起來(lái)看下吧
    2017-03-03
  • Python argparse模塊應(yīng)用實(shí)例解析

    Python argparse模塊應(yīng)用實(shí)例解析

    這篇文章主要介紹了Python argparse模塊應(yīng)用實(shí)例解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-11-11
  • 關(guān)于Python的異常捕獲和處理

    關(guān)于Python的異常捕獲和處理

    程序在運(yùn)行過(guò)程當(dāng)中,不可避免的會(huì)出現(xiàn)一些錯(cuò)誤,比如:使用了沒(méi)有賦值過(guò)的變量,使用了不存在的索引,一個(gè)數(shù)字除以0,這些錯(cuò)誤在程序中,我們稱其為異常,那么如何處理這些異常呢,今天我們就來(lái)看一看
    2023-04-04
  • python畫圖時(shí)設(shè)置分辨率和畫布大小的實(shí)現(xiàn)(plt.figure())

    python畫圖時(shí)設(shè)置分辨率和畫布大小的實(shí)現(xiàn)(plt.figure())

    這篇文章主要介紹了python畫圖時(shí)設(shè)置分辨率和畫布大小的實(shí)現(xiàn)(plt.figure()),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2021-01-01
  • 以一段代碼為實(shí)例快速入門Python2.7

    以一段代碼為實(shí)例快速入門Python2.7

    這篇文章主要以一段代碼為實(shí)例、簡(jiǎn)單介紹了Python2.7的各種函數(shù)和方法以及語(yǔ)句,來(lái)自網(wǎng)絡(luò)上火爆的在線Python教程網(wǎng)站learnxinyminutes.com,需要的朋友可以參考下
    2015-03-03
  • Pandas中resample方法詳解

    Pandas中resample方法詳解

    這篇文章主要介紹了Pandas中resample方法詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-07-07

最新評(píng)論