python教程分享Python自动化办公之Word文件内容的读取

前言

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:

Python自动化办公之Word文件内容的读取

word 文档结构划分如下:

Python自动化办公之Word文件内容的读取

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自动化办公之Word文件内容的读取

Python自动化办公之Word文件内容的读取

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:

Python自动化办公之Word文件内容的读取

到此这篇关于python自动化办公之word文件内容的读取的文章就介绍到这了,更多相关python读取word内容内容请搜索<猴子技术宅>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<猴子技术宅>!

需要了解更多python教程分享Python自动化办公之Word文件内容的读取,都可以关注python教程分享栏目—猴子技术宅(www.ssfiction.com)

本文来自网络收集,不代表猴子技术宅立场,如涉及侵权请点击右边联系管理员删除。

如若转载,请注明出处:https://www.ssfiction.com/pythons/1092020.html

(0)
上一篇 3天前
下一篇 3天前

精彩推荐

发表评论

您的电子邮箱地址不会被公开。