更多相关博文请查看【Python教程合集】
 

 
本文目录
 
1. 简介
2. 相关概念
3. 模块的安装和导入
4. 读取word文本

 
1. 简介
 
Python可以利用python-docx模块处理word文档，处理方式是面向对象的。也就是说python-docx模块会把word文档，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。
 
2. 相关概念
 
如果需要读取word文档中的文字（一般来说，程序也只需要认识word文档中的文字信息），需要先了解python-docx模块的几个概念。
 
1，Document对象，表示一个word文档。
2，Paragraph对象，表示word文档中的一个段落
3，Paragraph对象的text属性，表示段落中的文本内容。
 
3. 模块的安装和导入
 
需要注意，python-docx模块安装需要在cmd命令行中输入pip install python-docx，如下图表示安装成功（最后那句英文Successfully installed，成功地安装完成，十分考验英文水平。）
 
 
注意在导入模块时，用的是import docx。
 
也真是奇了怪了，怎么安装和导入模块时，很多都不用一个名字，看来是很有必要出一个python版本的模块管理程序python-maven了，本段纯属PS。
 
4. 读取word文本
 
在了解了上面的信息之后，就很简单了，下面先创建一个D:\temp\word.docx文件，并在其中输入如下内容。
 
 
然后写一段程序，代码及输出结果如下：
 
#读取docx中的文本代码示例
import docx
#获取文档对象
file=docx.Document("D:\\temp\\word.docx")
print("段落数:"+str(len(file.paragraphs)))#段落数为13，每个回车隔离一段

#输出每一段的内容
for para in file.paragraphs:
    print(para.text)

#输出段落编号及段落内容
for i in range(len(file.paragraphs)):
    print("第"+str(i)+"段的内容是："+file.paragraphs[i].text)
 
运行结果：
 
================ RESTART: F:/360data/重要数据/桌面/学习笔记/readWord.py ================
段落数:13
啊

我看见一座山

雄伟的大山

真高啊

啊

这座山是！

真的很高！
第0段的内容是：啊
第1段的内容是：
第2段的内容是：我看见一座山
第3段的内容是：
第4段的内容是：雄伟的大山
第5段的内容是：
第6段的内容是：真高啊
第7段的内容是：
第8段的内容是：啊
第9段的内容是：
第10段的内容是：这座山是！
第11段的内容是：
第12段的内容是：真的很高！
>>> 

 2021-06-09 更新 完整功能可移步到 点我
 
 2020-12-28更新 新建了一个群 如有问题不能及时回复可加群咨询 805371278
 
 ps：如要私信，请直接说问题。
 https://view.officeapps.live.com/op/view.aspx?src= 用这个 链接 拼接 后端给你返回的 数据 直接在浏览器中打开 可以快捷测试后端返回的 数据 是否 符合要求
 
最近写了个有 预览word 、Exce、ppt以及pdf文件 的后台 管理 在网上也找了 很多
 就感觉很复杂 ，当然最后还是实现了 ， 本博主一项喜欢简单 越简单越好 越好理解
 
废话不多说 先上效果图 （我就喜欢那种有图的代码 能预览一下是不是自己想要的效果）
 
1.显示页面
 
 2，预览效果
 word
 
 2.exce
 
 3.ppt 没有 但是都一样
 
4.pdf
 
 1. 首先说 预览 word 、Exce、ppt
 代码
 
handleEdit 是上图中预览按钮 参数 row 是每一行数据
 if (!/.(pdf|PDF)$/.test(row.wjYsmc)) 是判断文件格式是否为pdf
 不是就执行 以下代码
 window.open( “https://view.officeapps.live.com/op/view.aspx?src=” + this.yuming + “/zhengCe?id=” + row.id, “_blank”);
 
https://view.officeapps.live.com/op/view.aspx?src= 是官网提供的方法
 官方网址：https://www.microsoft.com/en-us/microsoft-365/blog/2013/04/10/office-web-viewer-view-office-documents-in-a-browser/
 
src 后面是你文档的地址 或者是你下载的地址
 注意：
 
要有域名
要在公网能连接到
最好不要有什么访问权限 当然 带参数是可以
 
我是在新窗口打开的（很简单 一行代码）
 
.vue
 
this.yuming + “/zhengCe?id=” + row.id, 拼接的地址
 
methods: {
	handleEdit(index, row) {
        if (!/\.(pdf|PDF)$/.test(row.wjYsmc)) {
        // 不是pdf格式
          window.open(
            "https://view.officeapps.live.com/op/view.aspx?src=" + this.yuming + "/zhengCe?id=" + row.id,
            "_blank"
          );
          return false;
        } else {
        // pdf 格式
          let url = this.yuming + "/anli?id=" + row.id
          this.viewVisible = true
          this.pdfsrc = url
        }
      },
}
 
2. pdf
 
代码
 我是把预览放在一个弹框里面的
 首先引入一个pdf包 npm 安装
 
 选择在有 node_modules 文件的 的文件夹
 在控制台 cd 到 你的 projectV 这个文件夹 运行下面的代码 （我的是 projectV，每个人命名不一样）
 
npm install --save vue-pdf
 
.vue
 
url 就是 pdf 文件的 地址 和上面 office文件地址 一样 赋值给 pdfsrc
 
<template>
	<el-dialog title="预览" :visible.sync="viewVisible" width="100%" height="100%" :before-close='closeDialog'>
        <div class="pdf" v-show="fileType === 'pdf'">
          <pdf :src="pdfsrc" ></pdf>
       	</div>
    </el-dialog>
</template>

<script>

// 引入刚才下载的 pdf 
import pdf from 'vue-pdf'

  export default {
  
    components: {
      pdf
    },
    
    data() {
    	yuming: "https://xxx.xxxxxxx.xxxx/m",  // 域名  管理方便一点  /m 域名下的文件夹
    	viewVisible: false, // 弹框隐藏
   		fileType: 'pdf', // 文件类型
        pdfsrc: '',  // 文件地址
    },
    
    created() {
      // 有时PDF文件地址会出现跨域的情况,最好先处理一下
      this.pdfsrc = pdf.createLoadingTask(this.pdfsrc)
    },
    
    methods: {
    
		handleEdit(index, row) {
        //console.log(row.wjYsmc)
        if (!/\.(pdf|PDF)$/.test(row.wjYsmc)) {
          window.open(
            "https://view.officeapps.live.com/op/view.aspx?src=" + this.yuming + "/anli?id=" + row.id,
            "_blank"
          );
          return false;
        } else {
          let url = this.yuming + "/anli?id=" + row.id
          this.viewVisible = true
          this.pdfsrc = url
        }
      },
      
      closeDialog(done) {
        done();
      },
	}
    
 }
</script>
 
还有 模板 链接 后台管理模板

一、工具
 
方法1.打开这个网页PlanetB;
 
方法2.或者谷歌搜索syntax highlight code in word documents，检索结果的第一个。如下图：
 
 
PS. 方法1和2打开的为同一个网站。
 
二、步骤
 
1.将你需要插入在word中的代码完整的复制到该网站提示的文本框内，选择你的代码类型，如C,C++,HTML等，并点击提交。如下图：
 
 
 
2.该网页会自动将该代码生成到一个新的页面，此时ctrl+A全选，后ctrl+c复制到word中粘贴就好。如下图：
 
 
三、体验
 
以下为本次实验代码在word中的对比图。
 
1.和单纯的复制粘贴相比
 
 
2.和简单的加入一个灰色无边框的1*1表格相比
 
 

PS.由于此次测试使用的代码并不是用常见的语言编写的，所以并没有起到很好的代码高亮作用，在word中还会出现英语的语法错误。
 
可在word中设置仅对该文档不使用语法检查。下图为关闭语法错误提示后的效果对比。
 

在项目需求中，需要对于一个word模板文档生成相对应的word文件，而此word模板是多页的并且需要在最终文件中生成相应的目录，由于项目环境是Linux，所以舍弃了jacob（windows环境）。然后主要是研究了Apache poi 进行word操作以及如何生成目录。
 主要分两个部分介绍：
 
Apache poi 操作word：主要是通过XWPFDocument对象进行操作，api 地址：http://poi.apache.org/apidocs/dev/
 
//读取word文件
InputStream is = new FileInputStream(path);  
XWPFDocument doc = new XWPFDocument(is);  
List<IBodyElement> elements=  doc.getBodyElements();//获取所有元素(段落和表格)
int pIndex =0;
int tIndex =0;
for(int i=0 ; i< elements.size(); i++) {
	IBodyElement e = elements.get(i);
	//判断元素类型：段落/ 表格
	if(BodyElementType.PARAGRAPH.equals(e.getElementType())) {
		XWPFParagraph pa = e.getBody().getParagraphArray(pIndex); //获取段落
		List<XWPFRun> runs = paragraph.getRuns(); //获取段落文本
                for (XWPFRun run : runs) {
                      ...替换文本
                }
	}
	else if(BodyElementType.TABLE.equals(e.getElementType())){//表格
               XWPFTable ta = e.getBody().getTableArray(tIndex);
               List<XWPFTableRow> rows = ta.getRows(); //获取所有行
               for (XWPFTableRow row : rows) { 遍历每行
			List<XWPFTableCell> cells = row.getTableCells(); //获取每行单元格
			for (XWPFTableCell cell : cells) { //遍历单元格
				List<XWPFParagraph> paragraphs = cell.getParagraphs(); //获取单元格段落
				for (XWPFParagraph paragraph : paragraphs) {
					List<XWPFRun> runs = paragraph.getRuns();//获取单元格文本
					for (XWPFRun run : runs) {
						...替换文本
					}
				}
			}
		}
    	}
}
 
操作word方面还是很方便，可以参考一些更详细的：
 https://blog.csdn.net/eye9093/article/details/77368703
 https://blog.csdn.net/u012775558/article/details/79678701
 
主要是介绍一下目录如何生成
 2. .Apache poi 生成word目录： 需要了解ooxml(Office Open XML)的大体结构，参考：http://www.datypic.com/sc/ooxml/s-wml.xsd.html，主要是通过xml标签进行识别分页。
 
之前在网上也查阅了很多，发现目录的页数问题始终没有一个好的解决方案，之前看的可以通过转成pdf计算页数，但是这个耗时太长，特别是对于我们项目word页数较多的时候转换再重写消耗的时间很长。所以选择再去研究一下word对应的xml文件是否有思路去解决这一问题。
 我们选择的是xxx.docx 文件，通过word另存为xml
 
 
获取到此word文件的xml文件，xml文件结构如下：
 
 其实大体看一下可以大致理清xml的结构，而我们主要是关注这一个标签
 
 这个标签就是分页之后产生的标签（经测试插入空白页不会产生这个标签,如果是遇到表格处于分页那么分页后的表格的第一个单元格必须有文本，不然也不会产生这个标签，而且文档必须有页码），而通过获取这个标签就可以计算出页数，可以看出这个标签位置是<w:p>下的<w:r>下，可以通过poi判断这个标签是否存在：
 
 
主要代码如下：
 
.//承接上面的获取的段落
int num =1;//页数
XWPFParagraph pa = e.getBody().getParagraphArray(pIndex); //获取段落
List<CTR> ctrlist = pa.getCTP().getRList();//获取<w:p>标签下的<w:r>list
for(int j=0; j < ctrlist.size(); j++) {  .//遍历r
	CTR r = ctrlist.get(j); 
        List<CTEmpty> breaklist = r.getLastRenderedPageBreakList();//判断是否存在此标签
        if(breaklist.size() > 0) {
       		num++; //页数添加
        }
}
 
由此可以高效率的获取到页码，生成目录的代码可以参考:https://www.jianshu.com/p/0a32d8bd6878
 
所以大体功能实现思路如下：
 
POI读取word模板文件（模板必须有页码并且目录位置先用标签标记），然后进行模板内容替换。
内容替换完毕后，再整体遍历所有段落和表格，在添加目录项时将对应的目录标题和页码作为参数传入，生成目录。
全部生成完毕后，将文档输出到目标文件。