- 基本概念：word文档（.docx文件）的三层结构：最高一层Document对象表示整个文档，Document对象包含一个paragraph
对象的列表，表示文档中的段落（用户在word文档输入时，如果按下回车则表示新段落开始）。每个paragraph对象包含一个
Run对象的列表。word文档中的文本不仅仅是字符串，还包含与之相关的字体、大小、颜色和其他样式信息。在word中，样式
是这些属性的集合，一个Run对象是相同样式文本的延续，当文本样式发生改变时就需要一个新的Run对象。 - 读取Word文档：使用import docx导入docx模块实现对word文档的处理，调用docx.Document(‘doc文件名’)返回一个
Document对象，例如doc=docx.Document(‘demo.docx’)，Document对象的paragraphs属性是Paragraphs对象的列表，
使用doc.paragraphs[0]取得文档段落1，Paragraphs对象具有text属性，包含段落中的纯文本字符串（没有样式信息）。每个
Paragraph对象具有Runs属性，它是Run对象的列表，Run对象也具有text属性包含那个延续中的文本，使用以下语句可获得
run对象为文本：doc.paragraphs[1].runs[3].text - 从.docx中取得完整的文本，可以创建一个函数完成此功能，程序如下所示，调用getText()函数可直接得到word文档纯文本。
import docx
def getText(filename):
doc = docx.Document(filename)
fullText = []
for para in doc.paragraphs:
fullText.append(para.text)
return ‘\n\n’.join(fullText) - 设置paragraph对象和Runs对象的样式：word文档含有三种类型的样式：段落样式可应用于paragraph对象，字符样式可应用于
Run对象，链接的样式可以应用于这两种对象，将paragraph对象和Run对象的style属性设置为一个字符串，从而设置样式，该
字符串应该是一种样式的名称。如果 style 被设置为 None，就没有样式与 Paragraph 或 Run 对象关联。在设置style属性时，
不要在样式名称中使用空格。如果Run对象应用链接的样式需需要在样式名称末尾加上‘Char’，例如Paragraph对象设置
Quote链接的样式，应该使用paragraph.style=‘Quote’,但Run对象，应该使用run.style=‘QuoteChar’。 - Run属性：通过text属性，Run可以进一步设置样式，每个属性可以被设置为三个值：True（该属性总是启用，不论其他样式是
否应用于该Run对象）、False（该属性总是禁用）、None（默认使用该Run被设置的任何属性）。
Run对象的text属性：
bold 文本以粗体出现
italic 文本以斜体出现
underline 文本带下划线
strike 文本带删除线
double_strike 文本带双删除线
all_caps 文本以大写首字母出现
small_caps 文本以大写首字母出现，小写字母小两个点
shadow 文本带阴影
outline 文本以轮廓线出现，而不是实心
rtl 文本从右至左书写
imprint 文本以刻入页面的方式出现
emboss 文本以凸出页面的方式出现
例如使用doc.paragraphs[1].runs[3].underline=True则使得该Run对象带上下划线。 - 写入Word文档：调用docx.Document()则创建一个新的空白的Word Document对象，Document对象的
add_paragraph(‘段落文本’)方法可将一段新文本添加到文档末尾，并将返回添加的paragraph对象，即调用语句
paraObj = doc.add_paragraph(‘This is a second paragraph.’)，在添加完文本之后，向Document对象的save()方法传入文件
名字符串，则将Document对象保存到文件。
要在已有段落的末尾添加新文本，可调用paragraph对象的add_run()方法，向它传入一个字符串。例如：
paraObj.add_run(’ This text is being added to the second paragraph.’)
add_paragraph()和add_run()都接受可选的第二参数，表示paragraph或Run对象样式的字符串，例如：
doc.add_paragraph(‘Hello world!’, ‘Title’) - 添加标题：调用add_heading(‘参数一，标题文本字符串’, ‘参数二，0-4整数，表示不同标题层次’)将添加一个标题段落，
并使用一种标题样式，例如：paraObj=doc.add_heading(‘Header 0’, 4)。该语句返回一个paragraph对象。 - 添加换行符和换页符：添加换行符（而不是开始一个新的段落），可以在Run对象上调用add_break()方法，换行符将出现在它
后面，例如doc.paragraphs[1].runs[3].add_break()，如果希望添加换页符可将docx.text.run.WD_BREAK.PAGE作为唯一参数
传递给add_break()，例如 doc.paragraphs[0].runs[0].add_break(docx.text.run.WD_BREAK.PAGE) - 添加图像：对Document对象调用add_picture()方法让你在文档末尾添加图像。例如调用：
doc.add_picture(‘zophie.png’, width=docx.shared.Inches(1),height=docx.shared.Cm(4))可实现在文档末尾添加zophie.png
图像，该方法的第一个参数是一个字符串，表示图像的文件名。可选的 width 和 height 关键字参数，将设置该图像在文档中的
宽度和高度。如果省略，宽度和高度将采用默认值，在指定 width 和 height 关键字参数时，可以使用 docx.shared.Inches()和
docx.shared.Cm()函数。
更多推荐
使用python-docx模块处理word文档通用方法与技巧
发布评论