最全總結 | 聊聊 Python 辦公自動化之 Word（下）-有解無憂

1. 前言

關于 Word 檔案的讀寫，前面兩篇文章分別進行了一次全面的總結

最全總結 | 聊聊 Python 辦公自動化之 Word（上）

最全總結 | 聊聊 Python 辦公自動化之 Word（中）

本篇文章作為一個辦公自動化 Word 篇的一個補充，寫寫幾個比較實用的辦公場景

包含：

頁眉頁腳處理
合并多個檔案
新增數字索引
doc 批量轉 docx
對比檔案差異性
特別內容標注
替換文字內容

2. 頁眉頁腳

每一個頁面章節都包含：頁眉頁腳

它可以單獨設定，每個頁面都不一樣；也可以全部設定成與首頁一樣

這個功能，由章節物件中的屬性 different_first_page_header_footer 來控制

當值為 True 時，代表頁眉頁腳不同于首頁，每個頁面章節的頁眉、頁腳都可以單獨設定
當值為 False 時，所有頁面的頁眉、頁腳都一樣

# 1、獲取待處理頁眉、頁腳的章節
header = self.doc.ps[0].header
footer = self.doc.ps[0].footer

# True if this p displays a distinct first-page header and footer
# True：頁眉頁腳不同于首頁，每個頁面章節的頁眉頁腳單獨設定
# False：每個頁面的頁眉頁腳相同
self.doc.ps[0].different_first_page_header_footer = True

添加頁眉頁腳包含兩種，分別是：普通頁眉頁腳、自定義樣式的頁眉頁腳

1 - 普通頁眉頁腳

def add_norm_header_and_footer(header, footer, header_content, footer_content):
    """
    增加一個普通的頁眉、頁腳，并居中顯示
    :param header_content:
    :param footer_content:
    :return:
    """
    # 新增/修改頁眉、頁腳
    # 注意：一般頁眉、頁腳里只有一個段落
    header.paragraphs[0].text = header_content
    footer.paragraphs[0].text = footer_content

    # 居中顯示
    header.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
    footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 2、新增頁眉
# 2.1 普通的頁眉、頁腳
add_norm_header_and_footer(header, footer, "我是一個頁眉", "我是一個頁腳")

2 - 自帶樣式的頁眉頁腳

def add_custom_style_header_and_footer(header, footer, header_content, footer_content, style):
    """
    新增自定義的頁眉、頁腳
    :param header:
    :param footer:
    :param header_content:
    :param footer_content:
    :param style:
    :return:
    """
    # 注意：style_type=2，否則會報錯
    header.paragraphs[0].add_run(header_content, style)
    footer.paragraphs[0].add_run(footer_content, style)

# 2.2 自帶樣式的頁眉、頁腳
# 創建一個樣式
style_paragraph = create_style(document=self.doc, style_name="style5", style_type=2, font_size=30,
                               font_color=[0xff, 0x00, 0x00], align=WD_PARAGRAPH_ALIGNMENT.CENTER)
add_custom_style_header_and_footer(header, footer, "我是頁眉2", "我是頁腳2", style_paragraph)

如果想將檔案中所有的頁眉、頁腳洗掉掉，只需要 2 個步驟：

遍歷檔案中所有頁面章節，將其 different_first_page_header_footer 屬性值設定為 False
設定章節物件頁眉頁腳的 is_linked_to_previous 屬性值為 True

PS：當 is_linked_to_previous 設定為 True 時，頁眉頁腳會被洗掉

def remove_all_header_and_footer(doc):
    """
    洗掉檔案中所有頁眉和頁腳
    :param doc:
    :return:
    """
    for p in doc.ps:
        p.different_first_page_header_footer = False
        # 當is_linked_to_previous設定為True時，頁眉頁腳會被洗掉
        p.header.is_linked_to_previous = True
        p.footer.is_linked_to_previous = True

3. 合并多個檔案

日常作業中，經常會遇到將多個 Word 檔案合并成一個檔案的需求

這里，可以使用另外一個 Python 依賴庫：docxcompose

# 合并多個檔案的依賴庫
# pip3 install docxcompose

使用也非常簡單，只需要下面 4 行代碼，就能將多個檔案進行合并，生成到一個新的檔案中去

from docxcompose.composer import Composer

def compose_files(self, files, output_file_path):
    """
    合并多個word檔案到一個檔案中
    :param files:待合并檔案的串列
    :param output_file_path 新的檔案路徑
    :return:
    """
    composer = Composer(Document())
    for file in files:
        composer.append(Document(file))

    # 保存到新的檔案中
    composer.save(output_file_path)

4. 新增數字索引

我們經常需要在檔案頁腳處添加頁面數字索引，可惜 python-docx 并沒有提供現有方法

但是，在 stackoverflow 上找到實作的方式

https://stackoverflow.com/questions/56658872/add-page-number-using-python-docx?rq=1

from docx.oxml.xmlchemy import BaseOxmlElement, ZeroOrOne, ZeroOrMore, OxmlElement
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.oxml import ns

def create_element(self, name):
    return OxmlElement(name)

def create_attribute(self, element, name, value):
    element.set(ns.qn(name), value)

def add_page_number(self, run):
    """
    添加頁面索引
    :param run:
    :return:
    """
    fldChar1 = self.create_element('w:fldChar')
    self.create_attribute(fldChar1, 'w:fldCharType', 'begin')

    instrText = self.create_element('w:instrText')
    self.create_attribute(instrText, 'xml:space', 'preserve')
    instrText.text = "PAGE"

    fldChar2 = self.create_element('w:fldChar')
    self.create_attribute(fldChar2, 'w:fldCharType', 'end')

    # run._r：class 'docx.oxml.text.run.CT_R'>
    run._r.append(fldChar1)
    run._r.append(instrText)
    run._r.append(fldChar2)

默認生成的數字索引在頁腳左下角，并不美觀！

因此，這里我們可以使用第一篇文章的方法創建一個「文字塊樣式」，然后以文字塊 Run 的形式，添加到頁腳的第一個段落中去

# 注意：要設定頁眉頁腳的對齊方式，必須設定到段落上（文字塊不能添加對齊方式）
doc.ps[0].footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 創建一個文字塊樣式，指定字體名稱、大小、顏色
style = create_style(document=doc, style_name="style", style_type=2, font_size=10,
                     font_color=[0x00, 0x00, 0x00], font_name="黑體")
self.add_page_number(doc.ps[0].footer.paragraphs[0].add_run("", style))
doc.save("./output.docx")
print('添加頁碼索引成功！')

需要注意的，如果需要設定頁面數字索引的對齊方式，必須針對頁腳的段落進行設定，修改其 alignment 屬性值即可

5. doc 轉 docx

python-docx 對 doc 格式的檔案不太友好，要處理這類檔案，我們需要先將它轉換為 docx 格式

對于 Windows 系統，完全可以使用 win32com 這個模塊，用命令去呼叫 Word 應用，打開源檔案后，保存了 docx 格式的檔案即可

from win32com import client

def doc_to_docx_in_win(path_raw, path_output):
    """
    doc轉為docx（win）
    :param path_original:
    :param path_final:
    :return:
    """
    # 獲取檔案的格式后綴
    file_suffix = os.path.splitext(path_raw)[1]
    if file_suffix == ".doc":
        word = client.Dispatch('Word.Application')
        # 源檔案
        doc = word.Documents.Open(path_raw)
        # 生成的新檔案
        doc.SaveAs(path_output, 16)
        doc.Close()
        word.Quit()
    elif file_suffix == ".docx":
        shutil.copy(path_raw, path_output)

而對于 Mac/Linux，推薦使用 LibreOffice 去轉換檔案格式

# 轉換格式
./soffice --headless --convert-to docx 源檔案.doc --outdir /output/path/

PS：LibreOffice 是一款由社區創造的自由免費辦公套件，跨平臺，內置的 soffice 可以用于檔案轉換

以 Mac OS 為例，我們按下面步驟來操作

官網下載 LibreOffice 軟體并安裝
找到 LibreOffice 軟體安裝目錄，將 soffice 命令所在目錄配置到環境變數中
重啟 Pycharm
使用 os 模塊下的 walk() 函式遍歷所有源檔案，組成一條 soffice 轉換命令
執行轉換命令

import os

source = "./doc/"
dest = "./docx/"
g = os.walk(source)

# 遍歷檔案夾
for root, dirs, files in g:
    for file in files:
        # 源檔案完整路徑
        file_path_raw = os.path.join(root, file)
        print(file_path_raw)

        os.system("soffice --headless --convert-to docx {} --outdir {}".format(file_path_raw, dest))

6. 對比檔案差異性

兩個 Word 檔案的對比也是作業中比較常見的需求了

首先，遍歷檔案中所有段落，過濾掉空行，獲取所有文本內容

# 分別獲取段落內容
content1 = ''
content2 = ''
for paragraph in file1.paragraphs:
    if "" == paragraph.text.strip():
        continue
    content1 += paragraph.text + '\n'

for paragraph in file2.paragraphs:
    if "" == paragraph.text.strip():
        continue
    content2 += paragraph.text + '\n'

# 如果引數 keepends 為 False，不包含換行符，如果為 True，則保留換行符，
print("第二個檔案資料如下：\n", content1.splitlines(keepends=False))
print("第一個檔案資料如下：\n", content1.splitlines(keepends=False))

接著，使用 Python 中的標準依賴庫 difflib 對比文字間的差異，最后生成 HTML 差異報告

import codecs
from difflib import HtmlDiff

# 差異內容
diff_html = HtmlDiff(wrapcolumn=100).make_file(content1.split("\n"), content2.split("\n"))

# 寫入到檔案中
with codecs.open('./diff_result.html', 'w', encoding='utf-8') as f:
     f.write(diff_html)

7. 特別內容標注

我們經常需要對檔案中部分重要內容進行特別標注

比如，我們需要對檔案中包含「微信」的文字塊或單元格，標為紅色并加粗顯示

1 - 段落內容

只需要遍歷出段落中所有文字塊 Run，直接修改文字塊的 Font 屬性即可

doc = Document(file)

# 關鍵字的文字塊或單元格標紅，并加粗
# 1、修改段落中包含關鍵字的檔案塊的樣式
for paragraph in doc.paragraphs:
    for run in paragraph.runs:
        if keyword in run.text:
            # 修改顏色為紅色，并加粗顯示
            run.font.bold = True
            run.font.color.rgb = RGBColor(255, 0, 0)

2 - 表格內容

設定滿足條件的單元格樣式有點特別，需要經過下面 4 個步驟

獲取單元格物件，獲取單元格文本內容，并臨時保存
清空單元格資料
單元格物件追加一個段落和一個文字塊 Run，回傳一個文字塊物件
設定文字塊物件樣式，標紅并加粗

tables = [table for table in doc.tables]
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            if keyword in cell.text:
                # 原內容
                content_raw = cell.text
                # 清空單元格資料
                cell.text = ""
                # 追加資料進去，并設定樣式
                run = cell.paragraphs[0].add_run(content_raw)
                run.font.color.rgb = RGBColor(255, 0, 0)
                run.font.bold = True

8. 替換文字內容

有時候，我們需要將檔案中某個關鍵字全部替換成一個新的內容

這時候，我們可以遍歷所有段落和表格，使用 replace() 函式對段落文本和單元格內容進行替換

def replace_content(self, old_content, new_content):
    """
    替換檔案中所有內容
    :param old_content:舊的內容
    :param new_content:新的內容
    :return:
    """
    # 替換段落
    for paragraph in self.doc.paragraphs:
        if old_content in paragraph.text:
            # 替換內容后，重新設定進去
            paragraph.text = paragraph.text.replace(old_content, new_content)

    # 替換表格
    # document.tables[表格索引].rows[行索引].cells[單元格列索引].text = “新的資料”，
    tables = [table for table in self.doc.tables]
    for table in tables:
        for row in table.rows:
            for cell in row.cells:
                if old_content in cell.text:
                    # 重新設定單元格內容
                    cell.text = cell.text.replace(old_content, new_content)

    # 保存到一個新的檔案中
    self.doc.save('./new.docx')

9. 最后

到此，Python 自動化 Word 篇的內容全部結束了！

如果實際作業中，有一些其他的業務場景文中沒有覆寫到，可以在文末進行留言，后面辦公自動化實戰篇可能會提供對應的解決方案！

要獲取全部原始碼，關注公眾號「 AirPython 」，后臺回復「 word 」即可獲得全部原始碼

如果你覺得文章還不錯，請大家 點贊、分享、留言 下，因為這將是我持續輸出更多優質文章的最強動力！

推薦閱讀

最全總結 | 聊聊 Python 辦公自動化之 Excel（上）

最全總結 | 聊聊 Python 辦公自動化之 Excel（中）

最全總結 | 聊聊 Python 辦公自動化之 Excel（下）

最全總結 | 聊聊 Python 辦公自動化之 Word（上）

最全總結 | 聊聊 Python 辦公自動化之 Word（中）

轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/223168.html

標籤：區塊鏈

上一篇：用 Python 幫運營妹紙快速搞定 Excel 檔案

下一篇：世界疫情資料獲取&預處理&可視化