Python docx库

Python docx库

简介

docx库是一款用于处理Microsoft Word文档的Python库。它提供了一系列用于创建、修改和读取.docx文件的函数和方法。通过该库，我们可以轻松地生成和编辑Word文档，实现自动化处理和生成报告等应用。

安装

安装docx库非常简单，在命令行中执行下面的命令即可：

pip install python-docx

创建和保存文档

首先，我们来了解如何创建一个新的Word文档并保存。首先，导入docx库：

import docx

创建一个新的Word文档对象，并添加一些文本内容：

from docx import Document
doc = Document()
doc.add_paragraph('Hello, World!')

我们可以通过add_paragraph方法在文档中添加一个新段落，并指定该段落的内容。接下来，我们可以选择保存文档：

doc.save('demo.docx')

通过save函数，我们将文档保存为指定的文件名。如果未指定文件名，则保存为默认的文件名。

读取文档内容

在处理已有的Word文档时，我们可以用docx库来读取和操作文档的内容。首先，打开已有的文档：

doc = Document('demo.docx')

通过指定已有文档的文件名，我们可以创建一个Word文档对象。接下来，我们可以使用一些方法获取文档的内容：

# 获取文档中所有段落的内容
paragraphs = doc.paragraphs
for paragraph in paragraphs:
    print(paragraph.text)

# 获取文档中所有表格的内容
tables = doc.tables
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)

通过paragraphs属性，我们可以获取文档中的所有段落。通过tables属性，我们可以获取文档中的所有表格。然后，我们可以使用嵌套的循环遍历并输出每个段落和表格的内容。

修改文档内容

除了读取文档内容，docx库还允许我们修改和编辑文档。下面是一些常见的修改文档的操作示例。

修改段落内容

# 修改第一个段落的内容
paragraph = doc.paragraphs[0]
paragraph.text = 'This is a new paragraph.'

通过获取第一个段落对象，并修改其text属性，我们可以修改段落的内容。

修改表格内容

# 修改第一个表格的第一个单元格的内容
table = doc.tables[0]
table.cell(0, 0).text = 'New Cell Content'

通过获取表格对象，并使用cell方法指定单元格的位置，我们可以修改指定单元格的内容。

添加图片

from docx.shared import Inches

# 添加图片到文档
doc.add_picture('picture.jpg', width=Inches(2), height=Inches(2))

通过使用add_picture方法，我们可以添加一张图片到文档中。我们需要指定图片的文件名，并可以通过width和height参数来设置图片的尺寸。

添加标题和副标题

# 添加标题
doc.add_heading('Title', level=1)

# 添加副标题
doc.add_heading('Subtitle', level=2)

通过add_heading方法，我们可以添加标题和副标题到文档中。我们需要指定标题的内容，并通过level参数来设置标题的级别。

插入页码

# 在文档底部插入页码
doc.add_page_break()
footer = doc.sections[0].footer
footer.paragraphs[0].text = 'Page %d' % doc.sections[0].page_number

通过使用add_page_break方法，我们可以在文档的底部插入一个分页符。接下来，我们可以通过修改文档的页脚来显示正确的页码。

删除内容

# 删除第一个段落
paragraph = doc.paragraphs[0]
paragraph.clear()

通过使用clear方法，我们可以删除指定对象的内容。

导出文档为PDF

如果我们希望将生成的Word文档导出为PDF格式，可以使用python-docx库的辅助库pdfkit。

首先，我们需要安装pdfkit库：

pip install pdfkit

接下来，我们可以使用以下代码将文档导出为PDF文件：

import pdfkit

# 将文档保存为html文件
doc.save('demo.html')

# 将html文件转换为pdf文件
pdfkit.from_file('demo.html', 'demo.pdf')

我们首先通过将文档保存为HTML文件的形式，然后使用pdfkit库将HTML文件转换为PDF文件。这样，我们就可以将生成的文档导出为PDF格式了。

总结

docx库提供了一个方便而强大的方式来处理和生成Microsoft Word文档。通过该库，我们可以轻松地创建、编辑和读取Word文档，实现自动化处理和生成报告等应用。