前言：项目用到了导出文档，综合考虑使用python-docx模块

python-docx

安装

pip install python-docx

docx文档布局词汇

三个部分

文档Document 段落Paragraph 文字块Run

文档

就是docx文档

段落

就是寻常段落

文字块

如下，短句子中有多种不同的样式，则会被划分成多个文字块。
如果所示，这个paragraph一共四个run。

四级结构（表格）

Document - Table - Row/Column - Cell四级结构

使用

导入word

from docx import Document
# 只要不指定路径，就默认为创建新Word文件
wordfile = Document(path)

读操作

获取段落

三个部分：一个doc由多个paragraph组成

paragraphs = wordfile.paragraphs 
# 得到一个段落对象列表
# [ p1,p2,p3...]
print(paragraphs)

获取段落文本内容

for paragraph in wordfile.paragraphs: print(paragraph.text)

获取文字块文本内容

一个paragraph段落由一个或者多个run文字块组成

for paragraph in wordfile.paragraphs: for run in paragraph.runs: print(run.text)

遍历表格

# 按行遍历
for table in wordfile.tables:for row in table.rows:for cell in row.cells:print(cell.text)# 按列遍历     
for table in wordfile.tables:for column in table.columns:for cell in column.cells:print(cell.text)

表格设置字体样式

表格中文字样式修改，与在段落中的样式修改一样，只是在添加文本时调用的方法不同。run=table.cell(row,col).paragraphs[0].add_run(str) #添加文本的方法run.font.name = u'宋体'run._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')run.font.bold=True

写操作

保存文件

wordfile.save(...)
... 放需要保存的路径

添加标题

wordfile.add_heading(…, level=…)

添加段落

wordfile.add_paragraph(...)
--------------------------------------------------
wordfile = Document() 
wordfile.add_heading('一级标题', level=1) 
wordfile.add_paragraph('新的段落')

添加文字块

wordfile.add_run(...)

添加空白页

wordfile.add_page_break(...)

添加图片

wordfile.add_picture(..., width=…, height=…)

设置样式

1. 字体设置
   

2. 文字其他样式设置

   from docx import Document
   from docx.shared import RGBColor, Ptwordfile = Document(file)
   for paragraph in wordfile.paragraphs:for run in paragraph.runs:run.font.bold = True  # 加粗 run.font.italic = True # 斜体 run.font.underline = True # 下划线 run.font.strike = True # 删除线 run.font.shadow = True # 阴影 run.font.size = Pt(20) # 字号 run.font.color.rgb = RGBColor(255, 0, 0) # 字体颜色
   

3. 段落样式设置
   默认左对齐
   

word转pdf,html

word---->html

pip install pydocx

from pydocx import PyDocX// 传入docx文件路径 或 文件content
html = PyDocX.to_html("./test.docx")// 返回html:string
f = open("test.html", 'w', encoding="utf-8")
f.write(html)
f.close()

word---->pdf

pip install pdfkit

依赖软件:
https://wkhtmltopdf.org/downloads.html

# 将wkhtmltopdf.exe程序绝对路径
path_wkthmltopdf = r'E:\wkhtmltopdf\bin\wkhtmltopdf.exe'
config = pdfkit.configuration(wkhtmltopdf=path_wkthmltopdf)
# 生成pdf文件，to_file为文件路径
pdfkit.from_file(html, to_file, configuration=config)

实例

输入文件：

输出文件：

demo代码：

from docx import Documentdoc = Document("./templates.docx")
# 查看所有属性
# 'add_heading', 'add_page_break', 'add_paragraph', 'add_picture','add_section', 'add_table',
# 'core_properties', 'element', 'inline_shapes', 'paragraphs', 'part', 'save', 'sections', 'settings', 'styles',
# 'tables'
# print(dir(doc))ps = doc.paragraphs
# print(ps)
for p in ps:text = p.textif "分析人" in text:p.text = text + "General_zy"elif "分析效果" in text:p.text = text + "高危漏洞"tables = doc.tables
# 获取模板docx中的唯一一个表
table = tables[0]for i in range(1, 3):for j in range(3):table.cell(i, j).text = str(i) + str(j)p3 = doc.add_paragraph("三.")
# 'add_run', 'alignment', 'clear', 'insert_paragraph_before', 'paragraph_format', 'part', 'runs', 'style', 'text'
p4 = doc.add_paragraph("分析团队:")
p4.add_run("dddd")doc.save("./xxx.docx")

实际案例

1. python-docx库给我的直观感受就是难！难！难！
2. 一大堆的私有属性，连pycharm都没有属性方法提示
3. 连chatgpt都频繁写出错误代码
4. 以下是我的一些总结，希望可以帮到你们

按顺序读取word文档中的所有信息（文本，图片，表格）

1. 鬼知道CT_P,CT_Tbl是什么意思
2. 鬼知道还有这么一些神奇的xpath//a:blip/@r:embed
3. 磕磕巴巴的一个函数写了4天，完成了。

def read_from_word(self, src_filepath: str):"""读取输入的word附件文件"""fp = Document(src_filepath)# 遍历整个文档的所有元素（段落和表格），并记录它们在文档中出现的顺序elements = []for block in fp.element.body:if block.__class__.__name__ == 'CT_P':elements.append(('paragraph', block))elif block.__class__.__name__ == 'CT_Tbl':elements.append(('table', block))# 根据元素出现的顺序构建读取出的内容content = []for index, type_el in enumerate(elements):el_type, el = type_el[0], type_el[-1]if el_type == 'paragraph':paragraph = Paragraph(parse_xml(el.xml), parent=None)img = paragraph._element.xpath('.//pic:pic')if not img:txt = paragraph.text.strip()if txt != "":content.append(txt)else:picture = img[0]embed = picture.xpath('.//a:blip/@r:embed')[0]related_part = fp.part.related_parts[embed]image = related_part.image# 图片下载下来然后把文件位置保存到content记录顺序filepath = os.path.join(self.tmp_folder, str(index) + ".png")with open(filepath, "wb") as f:f.write(image.blob)content.append(filepath)# table将存于一个二维列表中elif el_type == 'table':table = Table(el, parent=None)tables = []for row in table.rows:row_content = []for cell in row.cells:for p in cell.paragraphs:row_content.append(p.text.strip())tables.append(row_content)content.append(tables)

写入表格并增加边框

1. 写入表格样式需要自己设置
2. 边框也成了一个难点

def add_other_text(self, word, text: str):# 设置附件字体if not text.isascii():p = add_text_with_style(word, text, False, u"仿宋_GB2312", 14)p.paragraph_format.line_spacing_rule = WD_LINE_SPACING.SINGLEelse:p = add_text_with_style(word, text, False, u"Times New Roman", 14)p.paragraph_format.line_spacing_rule = WD_LINE_SPACING.SINGLEdef merge_from_word(self, doc, data):style = doc.styles.add_style('Table Grid', WD_STYLE_TYPE.TABLE)style.paragraph_format.alignment = WD_TABLE_ALIGNMENT.CENTER  # 居中对齐style.font.name = '仿宋_GB2312'style.font.size = Pt(16)style._element.rPr.rFonts.set(qn('w:eastAsia'), '仿宋_GB2312')  # 设置中文字体style._element.rPr.rFonts.set(qn('w:ascii'), 'Times New Roman')  # 设置英文字体for text in data:if isinstance(text, list):table = doc.add_table(len(text), len(text[0]))# 设置表格样式table.autofit = Falsetable.style = 'Table Grid'table.width = Cm(15)for index, row in enumerate(table.rows):line = text[index]for i, cell in enumerate(row.cells):cell.text = line[i]# 设置表格边框set_cell_border(cell,top={"sz": 1, "val": "single", "color": "#000000", "space": "0"},bottom={"sz": 1, "val": "single", "color": "#000000", "space": "0"},left={"sz": 1, "val": "single", "color": "#000000", "space": "0"},right={"sz": 1, "val": "single", "color": "#000000", "space": "0"},insideH={"sz": 1, "val": "single", "color": "#000000", "space": "0"},end={"sz": 1, "val": "single", "color": "#000000", "space": "0"})# 设置表头加粗header_cells = table.rows[0].cellsfor cell in header_cells:cell.paragraphs[0].runs[0].font.bold = Trueelse:if text.endswith("png"):doc.add_picture(text, height=Cm(7.31), width=Cm(14.63))os.remove(text)else:self.add_other_text(doc, text)return doc# 设置表格的边框
def set_cell_border(cell, **kwargs):"""Set cell`s borderUsage:set_cell_border(cell,top={"sz": 12, "val": "single", "color": "#FF0000", "space": "0"},bottom={"sz": 12, "color": "#00FF00", "val": "single"},left={"sz": 24, "val": "dashed", "shadow": "true"},right={"sz": 12, "val": "dashed"},)"""tc = cell._tctcPr = tc.get_or_add_tcPr()# check for tag existnace, if none found, then create onetcBorders = tcPr.first_child_found_in("w:tcBorders")if tcBorders is None:tcBorders = OxmlElement('w:tcBorders')tcPr.append(tcBorders)# list over all available tagsfor edge in ('left', 'top', 'right', 'bottom', 'insideH', 'insideV'):edge_data = kwargs.get(edge)if edge_data:tag = 'w:{}'.format(edge)# check for tag existnace, if none found, then create oneelement = tcBorders.find(qn(tag))if element is None:element = OxmlElement(tag)tcBorders.append(element)# looks like order of attributes is importantfor key in ["sz", "val", "color", "space", "shadow"]:if key in edge_data:element.set(qn('w:{}'.format(key)), str(edge_data[key]))

最后是用到的包

import os
import re
import xlrd
from docx.shared import Cm
from docx.oxml.ns import qn
from docx import Document
from docx.oxml import parse_xml
from docx.shared import Pt
from docx.table import Table
from docx.text.paragraph import Paragraph
from xlrd import xldate_as_datetime
from docx.enum.text import WD_LINE_SPACING
from docx.enum.style import WD_STYLE_TYPE
from docx.enum.table import WD_TABLE_ALIGNMENT

python-docx-template

python-docx-template 模块主要依赖两个库， python-docx用于读取，编写和创建子文档 ， jinja2用于管理插入到模板docx中的标签 。 其基本思路是利用jinja2制作Word模板，并动态向模板中插入文字、图片、表格等内容。

安装

pip install docxtpl

模板语法

由于使用的jinjia2模板，所以模板语法基本如下：

## 迭代列表
{% for var in list %}{{ var }}循环逻辑{{loop.index}}表示当前是第几次循环，从1开始
{% endfor %}## 迭代字典
{% for key, value in dict.items() %}{{ key }} {{ value }}
{% endfor %}## 另一种迭代字典的方法，这种用的比较多
{% for var in dict %}{{ var.key }} #key为字典的键
{% endfor %}{% if score>=90 %} <p>优秀</p>
{% elif score>=80 %} <p>良好</p>
{% elif score>=60 %} <p>及格</p>
{% else %} </p>不及格</p>
{% endif %}{% if val.isascii() %}{{ val }}
{% else %}fuck off
{% endif %}

插入图片

1. 准备word，写入如下模板

这是一个模板：{{ template }}这是一个Word文件这里插入一个图片：{{ myimage }}

2. 利用python渲染

from docxtpl import InlineImage, DocxTemplate
from docx.shared import Mm
import jinja2# 打开docx文件
tpl = DocxTemplate('test.docx')# 要装入的数据信息
context = {'template': 'Hello World!','myimage': InlineImage(tpl, 'happy.jpg', width=Mm(20)),
}jinja_env = jinja2.Environment(autoescape=True)# 填充数据
tpl.render(context, jinja_env)# 保存文件操作
tpl.save('test_temp.docx')

操作表格

from docxtpl import DocxTemplate, RichTexttpl = DocxTemplate('templates/cellbg_tpl.docx')context = {'alerts': [{'date': '2015-03-10','desc': RichText('Very critical alert', color='FF0000', bold=True),'type': 'CRITICAL','bg': 'FF0000',},{'date': '2015-03-11','desc': RichText('Just a warning'),'type': 'WARNING','bg': 'FFDD00',},{'date': '2015-03-12','desc': RichText('Information'),'type': 'INFO','bg': '8888FF',},{'date': '2015-03-13','desc': RichText('Debug trace'),'type': 'DEBUG','bg': 'FF00FF',},],
}tpl.render(context)
tpl.save('output/cellbg.docx')

合并word文档docxcompose

安装

pip install docxcompose

使用

import docx
import os
from glob import globfrom docxcompose.composer import Composerbase_dir  = "C:\\Users\\KK.JustDoIT\\Downloads\\汇总\\报修单\\日常维修-报修单-2月"
save_path  = "C:\\Users\\KK.JustDoIT\\Downloads\\汇总\\报修单"def combine_all_docx(files_list):number_of_sections=len(files_list)master = docx.Document()composer = Composer(master)for i in range(0, number_of_sections):doc_temp = docx.Document((files_list[i]))composer.append(doc_temp)composer.save(os.path.join(save_path, 'merge.docx'))# 执行
path_list = glob(os.path.join(base_dir, '*.docx'))
combine_all_docx(path_list)

字体文件ttf

docx设置字体失败，那么可能是因为没有找到字体文件。

linux中存放位置

/usr/share/fonts

安装字体：

1. mkdir chinese

2. 将下载的字体拷贝到chinese目录下
   

3. 执行：

   1、mkfontscale
   2、mkfontdir
   3、fc-cache
   

4. 查看：fc-list :lang=zh
   

windows中存放位置

将字体文件拖入即可。