3.3 處理Word文件

使用Python處理Word文件時，可以使用Python-docx庫和Win32com庫來完成。

3.3.1 Python-docx庫

由于 Win32com 庫只對 Windows 平臺有效，而 Python-docx 庫不依賴操作系統(tǒng)^[5]，具有跨平臺特性，因此，這里主要介紹使用Python-docx庫來處理Word文件。

如果你安裝的是Anaconda3，在Windows的命令行窗口通過輸入“pip list”會發(fā)現(xiàn)系統(tǒng)已經安裝好了Python-docx庫。這也是使用Anaconda安裝包的好處之一。

但請注意，在寫代碼時，導入的名字是“docx”而不是“Python-docx”：

當然，在導入庫或模塊前通常要查詢一下該模塊是否已經安裝，如果沒有安裝，就請按照第1.3節(jié)介紹的安裝庫的方法進行安裝。

可以在Windows命令行窗口通過輸入“pip list”命令來查看已經安裝的庫。

3.3.2 利用Python-docx庫讀Word文件

Python利用Python-docx庫來處理Word文件，它把Word文件中的段落、文本、字體等都看作對象來進行處理。因此，需要先了解幾個相關概念。

用三種不同的類型來表示.docx 文件的結構，Document 對象表示整個文件，它包含一個 Paragraph 對象的列表；Paragraph 對象表示文件中的段落，以回車鍵為準，文件中的所有段落形成一個Paragraph對象構成的列表；每個Paragraph對象包含一個Run對象的列表，即在一個段落中，根據(jù)字體的不同形成一個 Run 對象的列表。.docx 文件里面不光包含了文本字符串，還有字號、字體、顏色等屬性，它們都包含在 style（樣式）中。一個Run對象就是style相同的一段文本，新建一個Run就有新的style。

通過以上程序打開文件，但此時無法查看文件的具體內容。利用 type（）測試文件對象的類型，可發(fā)現(xiàn)它的確是一個Document對象。

可以通過Paragraph對象獲得文件的段落信息，Paragraph對象是一個列表。

要獲得每個段落里的具體內容，需要使用Paragraph對象的text屬性。

【例 3-18】 假設文件位于“D：\PythonTest\word_document\test.docx”，編程顯示文件每個段落的內容。要求在每個段落內容顯示前輸出是第幾個段落，以及此段落共計多少個字符。

【例3-19】 理解Run對象^[6]。

請大家事先準備好可用于測試的.docx 文件，例如，準備好如下所示內容的測試文件“Run_test_1.docx”，然后運行以上程序。通過觀察輸出的結果，可發(fā)現(xiàn)每個 Run 對象其實就是樣式相同的一段文本，而每個Run對象都將執(zhí)行一次循環(huán)，輸出對應的文本內容、字體樣式、字號大小和字體顏色，默認字體顏色是“None”。

一個Run對象就是style相同的一段文本^[6]，如下所示：

3.3.3 利用Python-docx庫創(chuàng)建Word文件

【例 3-20】 創(chuàng)建 Word 文件，用 input（）函數(shù)輸入要創(chuàng)建的段落數(shù)，并設置段落文字的字體、顏色、字號等。

運行程序后，請自行打開文件查看程序運行的結果。

特別說明：

（1）如果要創(chuàng)建的Word文件不存在，則新建一個Word文件。

（2）如果要創(chuàng)建的 Word 文件已經存在，請在運行程序之前，關閉要創(chuàng)建的 Word文件，否則會報錯！

更多內容大家可以查看幫助，也可以用dir和help查看對象的方法屬性和幫助信息。