1、文档规范的格式：要有封面、目录、标题、页眉。
2、封面中不允许有页眉、页码。
如何让封面没有页眉：把光标移到封面的最下面，然后就点击-----【插入】-----点击-----【分隔符】---点击---【下一页分节符】---点击---【页眉和页脚】----默认会选中---【同前节】，但是我们要把【同前节】点掉，补选中它。然后在封面的下一页页眉处写入标题等。----然后---点击---【关闭】。
在页眉中主要写标题。
3、标题规范：
1级标题----黑体二号+加粗
2级标题----黑体三号+加粗
3级标题----黑体小三号+加粗
4级标题----宋体四号+加粗
4、正文：    
中文---宋体--小四
英文---Times New Roman
行距1.5倍---首行缩进两个字符（磅值大概为0.74厘米）
5、图片： 居中
6、表格： 宋体----五号  
（第3--4通过设置新样式来规定）
7、目录是选择自动生成
（暂时先这样，后期完善内容）

python实现word转成自定义格式的excel文档（解决思路和代码）
支持按照文件夹去批量处理，也可以单独一个文件进行处理，并且可以自定义标识符
最近在开发一个答题类的小程序，到了录入试题进行测试的时候了，发现一个问题，试题都是word文档格式的，每份有100题左右，拿到的第一份试题，光是段落数目就有800个。而且可能有几十份这样的试题。
而word文档是没有固定格式的，想批量录入关系型数据库mysql，必须先转成excel文档。这个如果是手动一个个粘贴到excel表格，那就头大了。
我最终需要的excel文档结构是这样的：每道题独立占1行，每1列是这道题的一项内容，大概就是问题、选项A、选项B等等。



但word文档是这种结构，如果按照网上通用的方式去转，基本上你得到的结果就是一大坨文字都在一格里，根本不符合需求。



最后我想到了一个解决思路，可以实现这个需求，先看看我转出来的结果：





这个格式虽然跟最终的有点差别，但是只要在excel文档或者在代码里稍微再修改一下，就能完全符合要求了。
废话少说，先贴出代码，看得懂的可以直接拿去用，看不懂的，可以看我后面的具体说明。
已经把它封装成通用脚本了，你可以直接调用。
import pandas as pd
import os

# 初始处理函数1,先对初始处理结果进行判断
def initail_handle_by_range(file_path, max_page_num, split_str):
    df = pd.read_table(file_path)
    # 2、先转成Series
    S = pd.Series(df['column1'].values)
    # 3、转成列表，列表的每个元素就是每个段落
    list = S.tolist()
    # 传入一个max_page_num
    # 4、遍历列表，取出每个段落，按“.”切割，取出第一个元素进行判断，如果它是题号，就应该得到"1"或者"10"
    index_list = []
    for content in list:
        try:
            # 不是每个段落都有“.”可以切割的，会报错，报错就跳过
            first_str = content.split('%s'%split_str)[0]
            # 5、根据最大的题号，自动生成匹配的字符串，用来匹配题号（每个匹配字符串都放在patch_list中）
            patch_list = ['%d' % i for i in range(1, max_page_num + 1)]
            # 6、比对切割得到的第一个元素，如果它在匹配的字符串中，就获取它在列表中的索引，并把获取到的结果添加到列表index_list中，这就知道了每道题的开头在l中的哪个位置了
            if first_str in patch_list:
                index = list.index(content)
                index_list.append(index)
        except:
            pass
    # 7、根据索引列表，我们可以知道每道题的第一段和最后一段在l中的哪个位置
    # index_list = [0, 8, 16]
    # print(index_list)
    # 先计算每道题长度是否一致,不一致的,设置is_same_length = False
    is_same_length = True
    length = index_list[1] - index_list[0]
    max_index = len(list)
    for i in index_list:
        # 如果i不是最后一个，那么start就是i，end就是i的下一个
        if i < index_list[-1]:
            start = i
            end = index_list[index_list.index(i) + 1]
        else:
            start = i
            end = max_index
        # 判断长度是否一致,不一致就对长度进行比较,把大的赋值给长度
        if (end - start) != length:
            is_same_length = False
            if (end - start) > length:
                length = (end - start)

    result = [is_same_length, index_list, list, length]

    return result

# 初始处理函数1,先对初始处理结果进行判断
def initail_handle_by_patchstr(file_path, patch_str, split_str):
    df = pd.read_table(file_path)
    # 2、先转成Series
    S = pd.Series(df['column1'].values)
    # 3、转成列表，列表的每个元素就是每个段落
    list = S.tolist()
    # 传入一个max_page_num
    # 4、遍历列表，取出每个段落，按“.”切割，取出第一个元素进行判断，如果它是题号，就应该得到"1"或者"10"
    index_list = []
    for content in list:
        try:
            # 不是每个段落都有“.”可以切割的，会报错，报错就跳过
            first_str = content.split('%s'%split_str)[0]
            # 6、比对切割得到的第一个元素，如果它在匹配的字符串中，就获取它在列表中的索引，并把获取到的结果添加到列表index_list中，这就知道了每道题的开头在l中的哪个位置了
            if first_str == patch_str:
                index = list.index(content)
                index_list.append(index)
        except:
            pass
    # 7、根据索引列表，我们可以知道每道题的第一段和最后一段在l中的哪个位置
    # index_list = [0, 8, 16]
    # print(index_list)
    # 先计算每道题长度是否一致,不一致的,设置is_same_length = False
    is_same_length = True
    length = index_list[1] - index_list[0]
    max_index = len(list)
    for i in index_list:
        # 如果i不是最后一个，那么start就是i，end就是i的下一个
        if i < index_list[-1]:
            start = i
            end = index_list[index_list.index(i) + 1]
        else:
            start = i
            end = max_index
        # 判断长度是否一致,不一致就对长度进行比较,把大的赋值给长度
        if (end - start) != length:
            is_same_length = False
            if (end - start) > length:
                length = (end - start)

    result = [is_same_length, index_list, list, length]

    return result


# 传入一个文件路径和一个匹配的字符串,至少2个符号,例如"#."
def file_handle_by_patchstr(file_path, patch_str, split_str):
    result = initail_handle_by_patchstr(file_path, patch_str, split_str)
    # 接收初始处理函数的结果
    is_same_length = result[0]
    index_list = result[1]
    list = result[2]
    length = result[3]
    # 先根据每道题的长度构造一个空的dict，最后用来生成dataFrame
    dict = {}
    for i in range(1, (length + 1)):
        dict['colomn%d' % i] = []
    # print(dict)
    max_index = len(list)
    for i in index_list:
        # 如果i不是最后一个，那么start就是i，end就是i的下一个
        if i < index_list[-1]:
            start = i
            end = index_list[index_list.index(i) + 1]
        else:
            start = i
            end = max_index
        # 遍历一轮获得的结果就是我们要写入excel的一行
        colomn = 1
        for index in range(start, end):
            # 遍历一次获得的结果就是我们要写入excel的一格
            content = list[index]
            # 每遍历一次就在一个dict中取出某一列，给它加上这个数据
            dict['colomn%d' % colomn].append(content)
            colomn += 1
            # 在遍历到最后一轮的时候
            if index == (end - 1):
                # 判断是否需要插入空值
                if not is_same_length and ((end - start) < length):
                    # 可能缺了2列,也可能缺了1列
                    content = ''
                    # 如果只是缺了一列,在现有的index上,加1,就是下一列,补上空值
                    if (length - (end - start)) == 1:
                        colomn = (end - start) + 1
                        dict['colomn%d' % (colomn)].append(content)
                    else:
                        # 如果缺失了2列以上,就遍历,给之后的每一列都补上空值
                        for i in range(length - (end - start)):
                            colomn = length - i
                            dict['colomn%d' % (colomn)].append(content)

    final_df = pd.DataFrame(dict)

    new_file_path = file_path.split('.')[0] + '.xlsx'

    final_df.to_excel(r'%s' % new_file_path)


def file_handle_by_range(file_path, max_page_num, split_str):
    result = initail_handle_by_range(file_path, max_page_num, split_str)
    # 接收初始处理函数的结果
    is_same_length = result[0]
    index_list = result[1]
    list = result[2]
    length = result[3]

    # 先根据每道题的长度构造一个空的dict，最后用来生成dataFrame
    dict = {}
    for i in range(1,(length+1)):
        dict['colomn%d'%i] = []
    max_index = len(list)
    for i in index_list:
        # 如果i不是最后一个，那么start就是i，end就是i的下一个
        if i < index_list[-1]:
            start = i
            end = index_list[index_list.index(i) + 1]
        else:
            start = i
            end = max_index
        # 遍历一轮获得的结果就是我们要写入excel的一行
        colomn = 1
        for index in range(start, end):
            # 遍历一次获得的结果就是我们要写入excel的一格
            content = list[index]
            # 每遍历一次就在一个dict中取出某一列，给它加上这个数据
            dict['colomn%d' % colomn].append(content)
            colomn += 1
            # 在遍历到最后一轮的时候
            if index == (end - 1):
                # 判断是否需要插入空值
                if not is_same_length and ((end-start)<length):
                    # 可能缺了2列,也可能缺了1列
                    content = ''
                    # 如果只是缺了一列,在现有的index上,加1,就是下一列,补上空值
                    if (length-(end-start)) == 1:
                        colomn = (end-start) +1
                        dict['colomn%d'% (colomn)].append(content)
                    else:
                        # 如果缺失了2列以上,就遍历,给之后的每一列都补上空值
                        # 8-6 = 2, i = 0, 1
                        for i in range(length-(end-start)):
                            colomn = length - i
                            dict['colomn%d' % (colomn)].append(content)
    final_df = pd.DataFrame(dict)

    new_file_path = file_path.split('.')[0] + '.xlsx'

    final_df.to_excel(r'%s'%new_file_path)

# 传入一个文件夹路径，最大的迭代数字，切割字符串
def dir_handle_by_range(dir_path, max_page_num, split_str):
    files = os.listdir(dir_path)  # 获取当前目录的所有文件及文件夹
    for file in files:
        file_path = os.path.join(dir_path, file)  # 遍历获取每个文件的绝对路径
        result = initail_handle_by_range(file_path, max_page_num, split_str)
        # 接收初始处理函数的结果
        is_same_length = result[0]
        index_list = result[1]
        list = result[2]
        length = result[3]

        # 先根据每道题的长度构造一个空的dict，最后用来生成dataFrame
        dict = {}
        for i in range(1, (length + 1)):
            dict['colomn%d' % i] = []
        max_index = len(list)
        for i in index_list:
            # 如果i不是最后一个，那么start就是i，end就是i的下一个
            if i < index_list[-1]:
                start = i
                end = index_list[index_list.index(i) + 1]
            else:
                start = i
                end = max_index
            # 遍历一轮获得的结果就是我们要写入excel的一行
            colomn = 1
            for index in range(start, end):
                # 遍历一次获得的结果就是我们要写入excel的一格
                content = list[index]
                # 每遍历一次就在一个dict中取出某一列，给它加上这个数据
                dict['colomn%d' % colomn].append(content)
                colomn += 1
                # 在遍历到最后一轮的时候
                if index == (end - 1):
                    # 判断是否需要插入空值
                    if not is_same_length and ((end - start) < length):
                        # 可能缺了2列,也可能缺了1列
                        content = ''
                        # 如果只是缺了一列,在现有的index上,加1,就是下一列,补上空值
                        if (length - (end - start)) == 1:
                            colomn = (end - start) + 1
                            dict['colomn%d' % (colomn)].append(content)
                        else:
                            # 如果缺失了2列以上,就遍历,给之后的每一列都补上空值
                            for i in range(length - (end - start)):
                                colomn = length - i
                                dict['colomn%d' % (colomn)].append(content)

        final_df = pd.DataFrame(dict)

        new_file_path = file_path.split('.')[0] + '.xlsx'

        final_df.to_excel(r'%s' % new_file_path)

# 传入一个文件夹路径和一个匹配的字符串,至少2个符号,例如"#."
def dir_handle_by_patchstr(dir_path, patch_str, split_str):
    files = os.listdir(dir_path)  # 获取目录的所有文件及文件夹
    for file in files:
        file_path = os.path.join(dir_path, file)  # 遍历获取每个文件的绝对路径
        print(file_path)
        result = initail_handle_by_patchstr(file_path, patch_str, split_str)
        # 接收初始处理函数的结果
        is_same_length = result[0]
        index_list = result[1]
        list = result[2]
        length = result[3]
        # 先根据每道题的长度构造一个空的dict，最后用来生成dataFrame
        dict = {}
        for i in range(1, (length + 1)):
            dict['colomn%d' % i] = []
        # print(dict)
        max_index = len(list)
        for i in index_list:
            # 如果i不是最后一个，那么start就是i，end就是i的下一个
            if i < index_list[-1]:
                start = i
                end = index_list[index_list.index(i) + 1]
            else:
                start = i
                end = max_index
            # 遍历一轮获得的结果就是我们要写入excel的一行
            colomn = 1
            for index in range(start, end):
                # 遍历一次获得的结果就是我们要写入excel的一格
                content = list[index]
                # 每遍历一次就在一个dict中取出某一列，给它加上这个数据
                dict['colomn%d' % colomn].append(content)
                colomn += 1
                # 在遍历到最后一轮的时候
                if index == (end - 1):
                    # 判断是否需要插入空值
                    if not is_same_length and ((end - start) < length):
                        # 可能缺了2列,也可能缺了1列
                        content = ''
                        # 如果只是缺了一列,在现有的index上,加1,就是下一列,补上空值
                        if (length - (end - start)) == 1:
                            colomn = (end - start) + 1
                            dict['colomn%d' % (colomn)].append(content)
                        else:
                            # 如果缺失了2列以上,就遍历,给之后的每一列都补上空值
                            for i in range(length - (end - start)):
                                colomn = length - i
                                dict['colomn%d' % (colomn)].append(content)
        final_df = pd.DataFrame(dict)
        print(final_df)
        print(file_path)

        new_file_path = file_path.split('.')[0] + '.xlsx'
        print(new_file_path)

        final_df.to_excel(r'%s' % new_file_path)


if __name__ == '__main__':
    # 文件路径
    # file_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\2018-04 技能操作真题.txt'
    # 文件夹路径
    dir_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\mytest'

    # 根据数字处理具体文件,参数传文件路径,可迭代的最大数可自定义,分隔符也自定义
    # file_handle_by_range(file_path, 100, '.')

    # 根据自定义匹配符处理具体文件,参数传文件路径,匹配符可以自定义,切割符也可以自定义
    # file_handle_by_patchstr(file_path, '#', '.')

    # 根据数字处理具体整个文件夹,参数传文件路径,可迭代的最大数可自定义,分隔符也自定义
    # dir_handle_by_range(dir_path, 100, '.')

    # 根据自定义匹配符处理具体文件夹,参数传文件路径,匹配符可以自定义,切割符也可以自定义
    # dir_handle_by_patchstr(dir_path, '#', '.')

一、先说一下实现这个需求的处理逻辑
解决这个需求的关键点是什么：

1、python怎么读取这个文件的内容？

python有相关的word操作库可以读取，但是读取到的结果不方便操作。我们最终是要让它生成excel文件的，所以可以用python非常强大的科学计算包pandas来读取操作数据更好。
但pandas不能直接读取word文件，所以，需要先把它转成txt文档，这一步很简单，打开word，全部复制到一份新的txt文件中就行了。（注意要在第一行给它加上列名，我直接加了个colomn1，代表是第一列）

简单处理后的txt文档的结构类似这样：


2、读取到的数据如何处理？

使用pandas读取到的数据是一个dataFrame，dataFrame的结构就类似于我们在excel文档里面那样行列分明的。但是，它从txt读取出来的格式是全部内容都视为1列的，而txt中的每一段，在它这里就是每一行（注意是每一段对应一行，而不是每一行对应每一行）

预览一下：结果显示800行，1列。也就是在txt文档中有800个段落。



3、接下来怎么处理呢？

pandas强大的地方就在这里了，它可以直接把这1列的内容全部转成Series，Series是什么你可以不用管，你只需要知道Series可以直接转成列表list就行了。有了list我们就方便操作了。
以上几步就实现了从word里面读取数据，并转化成python的数据类型list了。list里面的每个元素，就等同于我们word里面的每一个段落。

控制台打印出来的就是这样：

下面的800是计算出这个列表的长度，代表有800个元素。


接下来我们的需求就变成了：怎么把一个列表，转成有明确行列结构的excel表格了。
这个要分为2种情况来说：

1、你的word文档结构相对合理些，每道题都固定是X个段落（例如每道题都是8个段落），这个解决就很简单了。因为这种情况对应就是在list中，每8个元素构成了1道题，你只要按照规律，8个8个取出，最后批量写入excel就行了。（这种解决起来比较简单，就不详细说了）
2、另一种情况比较麻烦，就是word文档的结构不规范，有的题目可能是8个段落，有的可能是7段，有的是6段。那么要怎么解决呢？
解决这个问题有几个关键点：

1、excel表格是行列结构的，它每一行的数据来源于这个txt文档的第几行？（也就是list里面的第几个元素）

所以我们只要把每道题在list中的索引找出来就行了。
观察一下源数据，它每道题的开头都是数字加1个英文符号“.”，例如：“1.”和“2.”，最大的是"100."，并且其他段落的开头都不会出现这个结构。那么就简单了，我先构造出一个patch_list=[‘1’, ‘2’, ‘3’…‘100’]，用来做匹配。
然后再遍历源数据列表，对列表的每个元素按“.”号切割，切割后拿到它的第一个元素，拿这个元素跟pacth_lis进行匹配，如果它是在patch_list中的，就代表它是每道题的开头。此时就记录下它的索引，并且把这个索引值存放到一个新列表index_list中。

下面是我获取到的index_list：



0代表了第一道题是在列表的第1个元素开始的，8代表第二道题在列表的第9个元素开始。
于是我们就知道每道题的开头是在列表中的哪个位置了。
2、拿到了每道题的索引，然后怎么做呢？

最终我们是要转存到excel文档中的， pandas怎么转excel？

很简单的，只要你构造出一个dataFrame出来，调用pandas的to_excel方法，就能存入excel文档了。
3、问题的关键就变成了，有了每道题的索引，怎么把它转成dataFrame结构。

下面演示一下，假如你想要构造一个dataFrame，需要什么样的数据结构，构造出来的dataFrame在控制台的输出结果是怎么样的，最后生成的excel表格是怎么样的。
dict = {'colomn1': ['问题1', '问题2', '问题3'],
        'colomn2': ["A：问题1的A选项", "A：问题2的A选项", "A：问题3的A选项"],
        'colomn3': ['B：问题1的B选项', 'B：问题2的B选项', 'B：问题3的B选项']}

df = pd.DataFrame(dict)

print(df)

df.to_excel(r'C:\Users\Administrator\PycharmProjects\exchange_file\test.xlsx')

这个就是调用pandas的DataFrame方法，用字典dict生成的一个dataFrame数据。

这个dataFrame在控制台打印出来就是：



这个结构存入excel就是对应表格的行和列了。这个结构就符合我的实际需求了。


所以我们要构造出这个dataframe的关键就是：

把所有数据梳理一遍，构造成类似这样的一个字典：
dict = {'colomn1': ['问题1', '问题2', '问题3'],
        'colomn2': ["A：问题1的A选项", "A：问题2的A选项", "A：问题3的A选项"],
        'colomn3': ['B：问题1的B选项', 'B：问题2的B选项', 'B：问题3的B选项']}

那么怎么构建这个dict呢？
我们源数据转出来的list结构是类似这样的：

list = [‘问题1’,“A：问题1的A选项”, ‘B：问题1的B选项’…‘问题2’,“A：问题2的A选项”, ‘B：问题2的B选项’]
而我们前面得到的index_list=[0, 8, 16。。。。]

它记录了“问题1”，“问题2”等等直到“问题100”是在哪个位置开始的，所以我们只需要把index_list遍历一下，轮流取出它的每个元素，它就是每道题的开始位置，然后拿到紧跟在这个元素的下一个是什么，用这个减去1就知道了每道题的开始位置start和结尾位置end是多少了。
接着使用
for i in range(start, end):
	content = list[i] 

就可以轮番从list中取出每道题的各项内容，取到的第一个就加到dict的colomn1列表中，第二个就加到dict的colomn2中，按照这个规律，就能把list的内容分开插入到dict中的各个列表中了。
但在这个过程中，可能你每道题的段落数目不一致，也就是你按照这个规律从list中取出的元素，可能每次取出的数量都不一样。这点需要注意，如果没有对它进行处理，最后会导致转出来的文件内容错位了，例如你的文档里面，第一题有8个段落，第二题只有7个，第三题有8个段落，没处理这个问题的话，最后第三题的第8个段落，就会跑到第7题那边了。并且最终dataFrame会无法生成excel文件。
那么这个问题怎么解决呢？
在正式调用处理函数生成excel文件之前，可以先对文件预处理，拿到它们的数据进行判断，如果判断到它每个间隔不一样，有的缺少段落，那么就让数据预处理函数返回一个值为False，间隔一样就返回True。接着在真正的数据提取环节，根据这个进行判断，如果判断到它值是Fales，那么就在每一轮遍历提取数据的最后一次遍历，一次性在它后面的缺失数据的列加上空字符串，作为占位用，这样最后得到的列表长度就都一样了，并且在最后生成的excel表中，它是一个空格。
最后用dict生成dataFrame，再写入excel文档，我们就大功告成了。
二、再说一下具体怎么使用：
一、运行必须的工具

1、python解释器（pycharm或其他）；

2、python自带模块：os；

3、自行安装模块：pandas，openpyxl；
自行安装的模块，在控制台pip install pandas和pip install openpyxl就行了。
二、怎么调用：

1、先要做数据预处理：

先要把word文档的内容复制到txt文档中，并且在第一行加上"column1"，处理后像下面这样：



接着要看你的文档内容是否有题号，如果有的话：

比如像我这个，有具体的题号1-100题，并且它的写法都是“1.”，在题号后面跟了个英文字符’.‘，顺序递增到100。



那么你就可以调用file_handle_by_range。

你给它传第一个参数是个具体的文件路径，它就会去打开这个文件，读取里面的内容。
传的第二个参数是100，它就会自动生成1到100的字符串，用来匹配识别你的每道题的开头在哪个位置。（如果你最大的题号是200，就写200，可以写多，但不能写少，少了识别到的内容会缺失）
传的第三个参数是’.‘，它就会按照’.'去切割每一行的内容，拿到第一个“.”号前面的内容，用来跟它生成的匹配字符做比对，比对成功了，它就默认该行是你想要写到excel表格里的第一列，接在它后面的每个段落，会自动插入到它后面的列。
直到匹配到下一个“数字.”开头的，又重复这个过程。
如果你的文档里面并不是像我这样，没有顺序递增的题号，你可以手动给每个你想要放在表格中第一列的段落，在它前面加标识符，例如“####.”，注意最后是有个小点的。

像下面这样：


接着调用
file_handle_by_patchstr(file_path, '####', '.')

那么它就默认按照’.‘去切割每行内容，并且按照####来匹配识别切到的内容，如果切到在’.'前面的是“####”，那么它就默认这一段是你想存到excel表第一列的段落，在它后面的几段，都会按照每个段落存入一格去处理。直到下一个“####.”出现。
2、可调用的有4个函数：

2.1、假如你只想处理一个具体的文档，并且它有具体的题号，最大题号是100，并且它后面跟的是一个’.’，那么就按照下面这个调用
file_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\2018-04 技能操作真题.txt'
 file_handle_by_range(file_path, 100, '.')

2.2、根据自定义匹配符处理具体文件,参数传文件路径,匹配符可以自定义,切割符也可以自定义
file_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\2018-04 技能操作真题.txt'
file_handle_by_patchstr(file_path, '#', '.')

2.3、根据数字处理具体整个文件夹,参数传文件路径,可迭代的最大数可自定义,分隔符也自定义。（注意文件夹路径，最后是不跟文件名的，它是个文件夹，不是具体文件路径）
# 文件夹路径
dir_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\mytest'
dir_handle_by_range(dir_path, 100, '.')

2.4、根据自定义匹配符处理具体文件夹,参数传文件路径,匹配符可以自定义,切割符也可以自定义
# 文件夹路径
dir_path = r'C:\Users\Administrator\PycharmProjects\exchange_file\mytest'
dir_handle_by_patchstr(dir_path, '#', '.')

文章原创，转载请注明出处
最近发现从网上复制粘贴到一个word文档中的奇特的格式问题：浏览器网页上是正常的，如左图，可是粘贴到word中则成右图那样，行首出现了个奇怪的符号：


，不知何故，而且无论如何清除格式也去不掉：


于是决定看看word文档是怎么编码的。
新建一个word文档，输入内容如下：


保存之后用UitrlEdit以二进制打开保存的一个word文档，居然发现文件首为PK开头，那说明是就一个压缩文件包了，尝试将该word文档的后缀改为.zip，然后用解压缩软件居然果然能够正常解压缩，得到如下图所示的一些文件：


[Content_Types].xml文件中记录这个文件夹下所有文件的清单：


打开docProps文件夹如下图所示：


App.xml文件中的内容：


Core.xml中的信息就是通常我们直接文件右键得到的文件信息了

打开word文件夹就看到该文档的核心内容了：


为了解决自己的问题个人是对document.xml文件感兴趣了，打开之

绿色圆圈中的字符就是自己在该word文档中输入的字符内容了“132132453书写规范采用和”居然被分成了两个部分分别标记和保存了。整个文件是各种标记的集合，包含了每部分字符所用的字体和对应的格式。用户字符在文档正文“w:body”标记之中并且以“w:t”标记分割保存，“w:pgMar”标记记录了字符串的对齐格式吧，应该是以像素单位来定位的，其他还有“w:gutter”分割线信息，“w:cols w:space”文档列信息，“w:rFonts”字体信息等等。
接着将有奇怪字符的字符串保存在一个新建的word文档中，清除所有的格式，如下


保存并以压缩文件包打开分析其内容，发现原来字符串前面那个标记是一个书签符号：<w:bookmarkStartw:id="0" w:name="t1"/><w:bookmarkEndw:id="0"/>


所以要去除那个符号就比较好办了，直接鼠标定位到那个符号处然后通过word的“插入”菜单中的“书签”按钮，得到书签编辑对话框：


然后点击删除按钮就可以去掉那个记号了，结果如下图所示：


看来通过对word文档的分析，了解了其编码和组成对于以后恢复损坏的word文档或者对word文档中的数据进行分析处理也会有帮助的。

自动转换工具：https://app.xunjiepdf.com/
1.用Word文档打开我们要设置的公文，打开后查看菜单工具栏中的页面设置标签，点击，我们会发现有页边距、纸张大小等等设置。



点击下拉菜单，出现页面设置按钮，标准的公文板式是上页边距37mm，下页边距35mm，左页边距28mm，右页边距26mm，设置好后点击确定按钮。



标准公文都是选择A4纸进行打印和编辑，这个较以前有所改变，以前政工文件都是16k纸张编辑和打印，改革后统一都是A4纸张，所以非特别需要，公文都设置为A4。



然后是设置页码，页码设置在菜单栏的插入标签中，这里可以设置页眉、页脚，当然我们首先要考虑好页码显示在页眉还是页脚，以及显示的格式等等信息。



点击插入标签中的页码合适设置按钮，我们首先设置页码格式，公文的页码一般为单双页位置不同，页码的显示样式为阿拉伯数字，左右各用短线连接，如：-1-。



在双页中点击页脚设置，在页脚设置中双页的页码显示在左下角，单页的页码显示在右下角，打印室双面打印，便于阅读，而且节省纸张，如图所示。




设置好后，点击确定按钮然后浏览效果。公文的页面设置有标准的要求，按照标准设置的公文，版式漂亮而且便于阅读。当然公文的字体设置也有规范要求，这里不再赘述。