前言: 今天的工作中遇到一个没接触过的需求, 需求是这样的, 把数据库中的数据读出来, 填充到docx文件(docx文件里的内容不固定, 可能很多, 可能没有), 这个需求也是今天遇到的, 一开始是在看python-docx的官网, 希望能找到好的解决办法, 旁边一位前辈指让我用docxpl操作docx模板来达到目的, 说这个省事很多, 这里研究一下
 
准备工作: pip install python-docx, pip install docxtpl(或者直接安装后者, 后者依赖前者, 会把前者也下载下来)
 
1. 大致说一下思路, 这个实现的思想, 和前端的一些框架, Angularjs, Vue-----把模板中的标签, 替换成对象或者数组中的真实数据, 主要用到的是Python后端的模板渲染语言Jinja2, 因为现在都是前后端分离的项目, 像Jinja2这种强大的后端渲染语言用的人越来越少, 这里就被大神们用来操作docx文档
 
# 这里用代码生成了一个简单的表格, 然后用wps加了一个表格样式, 手动加了表头, 表名...效果入下
from docx import Document

doc = Document('new.docx')
tb = doc.add_table(rows=5, cols=5)
doc.save('new.docx')
 
 
2. 准备一些数据
 
obj = {
    'name': '张三',
    'age': 18,
    'high': 180,
    'weight': 90,
    'address': '安徽',
    'more': [
        {
            'name': '李四',
            'age': 20,
            'high': 190,
            'weight': 80,
            'address': '山东'
        },
        {
            'name': '王五',
            'age': 22,
            'high': 175,
            'weight': 79,
            'address': '河南'
        },
        {
            'name': '麻子',
            'age': 25,
            'high': 178,
            'weight': 70,
            'address': '广东'
        },
        {
            'name': '王二',
            'age': 22,
            'high': 182,
            'weight': 78,
            'address': '上海'
        },
    ]
}

from docxtpl import DocxTemplate

tpl = DocxTemplate('new.docx')

tpl.render(obj)  # 注意这个数据只能有一个, 数据内容可以复杂
tpl.save('test.docx')
 
3. 处理一下表格
 
 
4. 效果如下
 
 
5. 总结: 这里时间关系, 我只用到了操作表格部分语法, 还有其它丰富的字体, 颜色, 样式, 等等花里胡哨的东西, 暂时就不研究了, 有用到其它功能的小伙伴, github搜索python-docx-template, 里面有个tests包, 里面各种示例
 

 不过不知道什么原因, github上面的这个地址由于网络的问题, 可能因为我是晚上搜的, 文件template文件打不开, 下载不了, 这里如果小伙伴们也和我一样看不了, 推荐去码云上面搜, 可以下载!

 
 
首先安装docx模块，通过pip install docx或者在docx官方链接上下载安装都可以
 
 
下面来看下如何解析docx文档：文档格式如下
 
 
 
 
有3个部分组成 1 正文:text文档 2 一个表格。 3一个插入的文件对象。4 一个图片 这4个部分是我们在docx文档中最常见的几种格式。解析代码如下
 
 
import docx
 
 
def docx_try():

    doc=docx.Document(r'E:\py_prj\test.docx')

    for p in doc.paragraphs:

        print p.text

    for t in doc.tables:

        for r in t.rows:

            for c in r.cells:

                print c.text
 
 
E:\python2.7.11\python.exe E:/py_prj/test3.py
 
 
Test文档
 
 
名称
 
 
作用
 
 
Python
 
 
解析数据
 
 
C语言
 
 
调用底层接口
 
 
HTML
 
 
网页数据
 
 
首先是用docx.Document打开对应的文件目录。docx文件的结构比较复杂，分为三层，1、Docment对象表示整个文档；2、Docment包含了Paragraph对象的列表，Paragraph对象用来表示文档中的段落；3、一个Paragraph对象包含Run对象的列表。 因此p.text会打印出整个的文本文档。而用doc.tables来遍历所有的表格。并且对每个表格通过遍历行，列的方式来得到所有的内容。
 
 
但是在运行结果中并没有找到我们插入的文件对象和图片，text.txt文档。这部分该如何解析呢。首先我们需要先来认识下docx文档的格式组成：
 
 
docx是Microsoft Office2007之后版本使用的，用新的基于XML的压缩文件格式取代了其目前专有的默认文件格式，在传统的文件名扩展名后面添加了字母“x”（即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”）。
 
 
docx格式的文件本质上是一个ZIP文件。将一个docx文件的后缀改为ZIP后是可以用解压工具打开或是解压的。事实上，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 格式文件的主要内容是保存为XML格式的，但文件并非直接保存于磁盘。它是保存在一个ZIP文件中，然后取扩展名为docx。将.docx 格式的文件后缀改为ZIP后解压, 可以看到解压出来的文件夹中有word这样一个文件夹，它包含了Word文档的大部分内容。而其中的document.xml文件则包含了文档的主要文本内容
 
 
 
 
 
从上面的文档我们可以了解到docx文档实际上是由XML文档打包组成的。那么我们要得到其中所有的部分，可以用ZIP解压的方式来得到所有的部件。我们先试下看是否可以
 
 
1 将docx文档改成ZIP的后缀
 
 
2 解压文件
 
 
解压之后得到如下几个文件
 
 
 
 
点开word文件夹：有如下的文件夹。document.xml就是描述文本对象的文件
 
 
 
 
其中embeddings文件中就是我们插入的文本对象text.txt. 是一个bin文件
 
 
 
 
Media文件中就是存储的图片：
 
 
 
 
我们通过手动的方式将插入的文本以及图片解析出来，那么通过代码也是同样可以解析的。代码如下。
 
 
os.chdir(r'E:\py_prj')  #首先改变目录到文件的目录

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

f=zipfile.ZipFile('test.zip','r')  #进行解压
for file in f.namelist():

    f.extract(file)

file=open(r'E:\py_prj\word\embeddings\oleObject1.bin','rb').read() #进入文件路径，读取二进制文件。
for f in file:

    print f


通过上面的方式，就可以将docx中插入的文件以及图片全部解析出来。具体docx的写的方式可以参考官方文档的介绍
 
 
 
 
 
转载于:https://www.cnblogs.com/zhanghongfeng/p/7043412.html

python-docx插件可以方便的操作docx文档，注意不是doc格式，这两种格式本质上是完全不一样的东西，doc需要使用win32com来操作，速度比较慢，python-docx的速度相比之下就太快了。
 
下面代码是合并纯文本（不含图片）的docx文档，暂只列出了合并两个文档的代码，可稍加修改做成合并无数个的功能。
 
from docx import Document
import re

files = "企业计划书范文(创办你的企业).docx"

#合并多个docx文件
def combine_word_documents(files):
    # 新建一空文件，用来保存合并后的内容
    merged_document = Document("template/通用.docx")
    #读入一个文件
    sub_doc = Document(files)
    #循环写入element，适合纯文本
    for body in sub_doc._element.body:
        merged_document._element.body.append(body)
    #保存新文件
    merged_document.save("test/test.docx")

combine_word_documents(files)
 
如果哪位朋友有docx文的需求可以留消息给我，试着研究一下。

 在2017年暑假绿盟实习期间，部门做的一个项目需要用到docx格式的word文档模板操作，现在有如下记录：
 
     关于python操作docx格式文档，我用到了两个python包，一个便是python-docx包，另一个便是python-docx-template;,同时我也用到了很出名的一个工具"pandoc，下面我会对他们各自进行介绍。
 
    首先便是python-docx包，这是一个很强大的包，可以用来创建docx文档，包含段落、分页符、表格、图片、标题、样式等几乎所有的word文档中能常用的功能都包含了，这个包的主要功能便是用来创建文档，相对来说用来修改功能不是很强大，关于文档请查看他的"官网;
 
 
再然后便是python-docx-template这个包了，他可以用来对docx文档进行修改，诸如对文档中的 文本、图片、富文本、等几乎所有存在与文档中的他都能替换，而且他操作起来就如同很多web框架中的模板语言一样，因为他是和jinjia2模板语言结合使用的，所以最好希望使用之前对模板语言有一定了解；
 
 
关于pandoc，这个包在许多需要进行文本转换的地方用处很强大，他可以把许多如今存在的文档格式转换问另一种文档格式，如html、markdown、docbook、latex、docx等转换为xml、latex、markdown、pdf，总之很强大，这是官网,有兴趣的可以去了解下。
 
下面便会相应介绍他们各自的大概的用法。还是按照上面的顺序进行介绍，：
 
 
关于python-docx这个包我觉得最好还是引用他官网的一段代码解释最为合适了，因为这里面基本情况都被包含了，
 
 
from docx import Document
from docx.shared import Inches

document = Document()  # 首先这是包的主要接口，这应该是利用的设计模式的一种，用来创建docx文档，里面也可以包含文档路径(d:\\2.docx)

document.add_heading('Document Title', 0)  # 这里是给文档添加一个标题，0表示 样式为title，1则为忽略，其他则是Heading{level},具体可以去官网查;

p = document.add_paragraph('A plain paragraph having some ') # 这里是添加一个段落
p.add_run('bold').bold = True   # 这里是在这个段落p里文字some后面添加bold字符
p.add_run(' and some ')
p.add_run('italic.').italic = True

document.add_heading('Heading, level 1', level=1)   # 这里是添加标题1
document.add_paragraph('Intense quote', style='IntenseQuote') # 这里是添加段落，style后面则是样式

document.add_paragraph(
    'first item in unordered list', style='ListBullet'    # 添加段落，样式为unordered list类型
)
document.add_paragraph(
    'first item in ordered list', style='ListNumber'    # 添加段落，样式为ordered list数字类型
)

document.add_picture('monty-truth.png', width=Inches(1.25))  # 添加图片

table = document.add_table(rows=1, cols=3)   # 添加一个表格，每行三列
hdr_cells = table.rows[0].cells   # 表格第一行的所含有的所有列数
hdr_cells[0].text = 'Qty'    # 第一行的第一列,给这行里面添加文字
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for item in recordset:
    row_cells = table.add_row().cells   # 这是在这个表格第一行 (称作最后一行更好) 下面再添加新的一行
    row_cells[0].text = str(item.qty)
    row_cells[1].text = str(item.id)
    row_cells[2].text = item.desc
 
document.add_page_break()    # 添加分页符

document.save('demo.docx')  # 保存这个文档
 
 
 
具体样式请看：
 
关于更多细节希望大家还是去他的官网python-docx;看，介绍的还是很详细
 
 
 
然后便是python-docx-template包了，他用起来就向python中的模板语言一样，有上下文，有模板，然后进行变量的替换
 
 
关于python-docx-template，他的官网名称便是“像jinjia2一样来操作docx文档”，因此这个包对于用来进行文档修改时很强大的下面是一个简单例子：
 
 
from docxtpl import DocxTemplate

doc = DocxTemplate("1.docx")  # 对要操作的docx文档进行初始化
context = { 'company_name' : "World company" }   # company_name 是存在于1.docx文档里面的变量，就像这样{{company_name}}，直接放在1.docx文件的明确位置就行
doc.render(context)   # 这里是有jinjia2的模板语言进行变量的替换，然后便可以在1.docx文档里面看到{{company_name}}变成了World company
doc.save("generated_doc.docx")   # 保存

当然，这个包的功能远远不止上面例子中的一些，可以包含图片

myimage = InlineImage(doc,'test_files/python_logo.png',width=Mm(20)) # tpl便是上面例子中的doc对象

也可以包含另一个docx文档，
sub = doc.new_subdoc()
sub.subdocx = Document('d:\\2.docx')
doc.render({'sub': sub})
这里操作之后便可以把2.docx文件里面的内容直接插入到doc对象（也就是1.docx）文档中{{sub}}这个变量处，被替换为2.docx中的，基本上用到的都是这两个部分， 
 
关于更多的特性，可以访问官网的example，里面涵盖了几乎所有的特性，地址是https://github.com/elapouya/python-docx-template/tree/master/tests
 
 
 
最后便是pandoc了，我在这次用到的功能主要是，用来把html文件直接转换为markdow格式文件，然后再转换为txt文件，最后将txt文件内容和格式一同插入到docx文档中，当然，也可以直接把html文件转换为docx文件，格式基本一致
 
 

 
这是用到的命令，而由于使用pandoc是在控制台下cmd或者shell使用的，因此要用到python的另一个包subprocess
 
 
import subprocess
subprocess.call('pandoc --latex-engine=xelatex temp.html -o temp.text', cwd='d:\\python', shell=True)
subprocess.call('pandoc --latex-engine=xelatex temp.text -o t1.text', cwd='d:\\python', shell=True)

或者
subprocess.call('pandoc temp.html -o temp.docx', cwd='d:\\python', shell=True)
首先里面的cwd参数设置后，会把这个命令执行环境调到cwd所设置的参数路径处，就如同执行命令前，如同先执行了 cd d:\\python命令一样，shell=True相当于新开了一个shell或者cmd控制台，而关于更多例子，可以去官网的在线转换器
https://pandoc.org/try/ 或者官网的例子
https://pandoc.org/demos.html


 

 
 
还有一个问题，若使用过程中，出现打开docx文档报错，那么极有可能便是初始化模板格式错误，因此需要替换一个新的初始化模板
 
好了，主要便是这些了，谢谢查看！