前言：
✌ 作者简介：渴望力量的哈士奇 ✌，大家可以叫我 🐶哈士奇🐶 ，一位致力于 TFS - 全栈 赋能的博主 ✌
🏆 CSDN博客专家认证、新星计划第三季全栈赛道 top_1 、华为云享专家、阿里云专家博主 🏆
📫 如果文章知识点有错误的地方，请指正！和大家一起学习，一起进步👀
💬 人生格言：优于别人,并不高贵,真正的高贵应该是优于过去的自己。💬
🔥 如果感觉博主的文章还不错的话，还请👍关注、点赞、收藏三连支持👍一下博主哦

---

专栏系列（点击解锁）	学习路线指引	知识定位
🔥Python全栈白皮书🔥	零基础入门篇	以浅显易懂的方式轻松入门，让你彻底爱上Python的魅力。
	语法进阶篇	主要围绕多线程编程、正则表达式学习、含贴近实战的项目练习 。
	自动化办公篇	实现日常办公软件的自动化操作，节省时间、提高办公效率。
	自动化测试实战篇	从实战的角度出发，先人一步，快速转型测试开发工程师。
	数据库开发实战篇	更新中
	爬虫入门与实战	更新中
	数据分析篇	更新中
	前端入门+flask 全栈篇	更新中
	django+vue全栈篇	更新中
	拓展-人工智能入门	更新中
网络安全之路	踩坑篇	记录学习及演练过程中遇到的坑，便于后来居上者
	网安知识扫盲篇	三天打鱼，不深入了解原理，只会让你成为脚本小子。
	vulhub靶场漏洞复现	让漏洞复现变得简单，让安全研究者更加专注于漏洞原理本身。
	shell编程篇	不涉及linux基础，最终案例会偏向于安全加固方向。 [待完结]
	WEB漏洞攻防篇	2021年9月3日停止更新，转战先知社区等安全社区及小密圈
	渗透工具使用集锦	2021年9月3日停止更新，转战先知社区等安全社区及小密圈
点点点工程师	测试神器 - Charles	软件测试数据包抓包分析神器
	测试神器 - Fiddler	一文学会 fiddle ，学不会倒立吃翔，稀得！
	测试神器 - Jmeter	不仅是性能测试神器，更可用于搭建轻量级接口自动化测试框架。
	RobotFrameWork	Python实现的自动化测试利器，该篇章仅介绍UI自动化部分。
	Java实现UI自动化	文档写于2016年，Java实现的UI自动化，仍有借鉴意义。
	MonkeyRunner	该工具目前的应用场景已不多，文档已删，为了排版好看才留着。

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：