[Python知识库]Python办公自动化【Word】

在Python中，可以使用 python-docx 库来自动化操作 Word文档，首先需要通过 pip3 安装该库：

pip3 install python-docx

为了避免歧义，接下来文章中Word 表示Word软件本身，Word文档表示Word 软件中的文档。

1.1 读写 Word 文档

与 Excel 工作簿类似，Word 文档也有两种不同的文件格式，分别是2003版或更早之前的版本使用的 *.doc 文件格式，以及 2007 版及之后的版本使用的 *.docx文件格式。*.docx文件格式基于XML （可扩展标记语言），在相同数量下，占用空间更小，兼容性更高。

python-docx 只支持操作 *.docx 文件格式的Word文档，虽然Word 有 *.doc与 *.docx两种文件格式，但目前使用的 Word 文档绝大多数是 *.docx 文件格式的。

如果遇到 *.doc 文件格式的Word文档，可以将其中的内容复制，粘贴到 *.docx文件格式的新文件中，再进行处理。

首先介绍如何通过 python-docx 创建一个新的空白的 Word文档：

from docx import Document

# 创建文档对象
document = Document()
# 保存文档对象 扩展名只可以使用*.docx
document.save("new.docx")

用 Document 方法创建文档对象，该文档对象对应着一个Word 文档；最后调用 save 方法传入具体的路径，将文档对象保存到本地。需要注意的是，在保存 Word 文档时，其扩展名必须使用 *.docx.

1.2 *.doc 文件格式转换为 *.docx 文件格式

如果希望将大量的 *.doc 文件格式的Word 文档转换为 *.docx文件格式，可以使用 pypiwin32 第三方库，该库可以调用 Windows 操作系统中的方法实现 对 Word 文档的操作，但该库只可在 Windows 操作系统中安装与使用。

首先通过 pip3 安装 pypiwin32：

pip3 install  pypiwin32

安装完成后，通过 win32com 使用 pypiwin32 第三方库，实现将 Word文档的文件格式由 *.doc 转换为 *.docx。

from win32com import client

# *.doc 文件格式的Word文档的路径
doc_path = 'exist.doc'
docx_path = 'new_exist.docx'

# 获取Word 应用程序对象
Word = client.Dispatch('Word.Application')
# 打开对应的 Word文档
doc = Word.Documents.Open(doc_path)
# 另存为 *.docx 文件格式，参数 12 表示 *.docx 文件格式
doc.SaveAs(docx_path, 12)
# 关闭原来的 Word文档
doc.Close()
# 退出Word 软件
Word.Quit()

上述代码只演示了如何将一个Word 文档的 *.doc文件格式转为 *.docx 文件格式，如果需要将大量的 *.doc文件格式的Word 文档进行格式转换，使用 Python中的循环（while语句或者 for语句）即可。

1.3 读取Word 文档中的段落

Word 文档中存在段落、图片、表格等多种不同类型的数据，本节介绍如何读取 Word 文档中的段落数据。

from docx import Document

# 获取文档
doc = Document("exist.docx")
# 遍历Word文档中的段落
for p in doc.paragraphs:
    # 输出word文档中的段落内容
    print(p.text)

简单而言，我们只需要明确如下概念即可：

• 利用 Document 方法获取 Word 文档对象。
• Paragraph 对象表示 Word 文档中的段落对象。
• Paragraph 对象中的 text 对象表示段落中具体的文本内容。

1.4 读取 Word 文档中的表格

读取 Word 中的表格数据，可以通过 python-docx 提供的 tables 属性读取，代码如下：

rom docx import Document

# 获取文档
doc = Document("table.docx")
# 获取 Word 文档中的所有表格
tables = doc.tables
# 选择第一个表格
table = tables[0]
values = []

# 遍历表格的每一行
for row in table.rows:
    # 遍历每一行中的单元格
    for cell in row.cells:
        # 将单元格中的数据添加到list中
        values.append(cell.text)
    value = ' '.join(values)
    print(value)
    values = []

有时需要对比两个非常相似的表格以找到不同之处，此时怎么做呢？要解决这个问题，可以先将两个 Word 文档中的表格内容读入二维列表中，然后对列表中的内容进行比对，最终找到两个表格不同之处所对应的行号和列号。

使用 deepdiff第三方库，该库可以高效地比较不同对象的内容，并返回差异的内容，以及差异的位置。首先通过 pip安装 deepdiff 第三方库：

pip install deepdiff

安装完成之后，编写比较两个表格分的代码:

from docx import Document
from deepdiff import DeepDiff


def get_doc_values(path):
    # 获取表格中的内容 返回二维数组
    doc = Document(path)
    tables = doc.tables
    table = tables[0]
    all_values = []
    for row in table.rows:
        values = []
        for cell in row.cells:
            # 将表格中单元格的值添加到values列表中
            values.append(cell.text)
        all_values.append(values)
    return all_values


table1 = get_doc_values("table.docx")
table2 = get_doc_values("table_modify.docx")

# 比较列表差异
ddiff = DeepDiff(table1, table2)
print(ddiff)

# 输出
'''
{'values_changed': {'root[2][1]': {'new_value': '1973', 'old_value': '1972'}, 'root[3][0]': 
{'new_value': 'JVAA', 'old_value': 'JAVA'}, 'root[3][1]': {'new_value': '1996', 'old_value': '1995'}}}
'''

1.5 将文字写入Word文档

写入文字类型数据开始，python-docx 提供了 add_paragrraph 方法将文字类型数据以段落形式添加到 Word 文档中，代码如下：

from docx import Document

# 写入文档
doc = Document()
# 添加标题
doc.add_heading("一级标题", level=1)
# 添加段落
p2 = doc.add_paragraph("第二个段落")
# 将新段落添加到已经有的段落之前
p1 = p2.insert_paragraph_before("第一个段落")

p3 = doc.add_paragraph("新段落")
# 追加内容
p3.add_run("加粗").bold = True
p3.add_run("以及")
p3.add_run("斜体").italic = True

doc.save("new_doc.docx")

1.6 将图片写入 Word文档

python-dock 提供了 add_picture 方法将图片添加到Word文档中：

from docx import Document
from docx.shared import Inches

doc = Document()
# 添加图片
doc.add_picture("1.jpg", width=Inches(1.25))
doc.save("new_pic.docx")

通过 width 或 height 参数设置插入Word文档中的图片大小，并通过 Inches 类来指定具体的大小，该类的度量单位是英寸。

1.7 将表格写入Word中

首先，python-docx 提供了 add_table 方法来创建空表格，此外，通过 style 属性还可以设置表格样式：

from docx import Document

doc = Document()
# 创建table
table = doc.add_table(rows=3, cols=4)
# 设置table样式
table.style = "Table Grid"

# 第一种方法 先获取行 再获取该行中对应的单元格
row = table.rows[0]
row.cells[0].text = "第一行第一列"

# 第二种方法 直接指行号和列号
cell = table.cell(0, 1)
cell.text = "第一行第一列"

doc.save('new3.docx')

如果将图片添加到表格中，将如何实现？
追加添加，代码如下：

# 获取表格中的单元格对象
cell = table.cell(1, 0)
# 获取单元格中的段落对象
p = cell.paragraphs[0]
# 获取追加对象
run = p.add_run()
run.add_picture("1.jpg", width=Inches(1.25))

doc.save("new3.docx")

1.8 插入有序列表与无序列表

有序列表与无序列表都可以通过 add_paragraph 方法插入Word文档中，它们需要通过 style 参数设置其样式：

from docx import Document

doc = Document()
# 有序列表
style = "List Number"
doc.add_paragraph("有序列表1", style=style)
doc.add_paragraph("有序列表2", style=style)
doc.add_paragraph("有序列表3", style=style)

# 无序列表
style = "List Bullet"
doc.add_paragraph("无序列表1", style=style)
doc.add_paragraph("无序列表2", style=style)
doc.add_paragraph("无序列表3", style=style)

doc.save("doc_list.docx")

修改Word 文档样式

2.1 文本格式

想要通过python-docx 控制Word文档样式，首先需要理解文本格式与样式的概念，这里先讨论文本格式：
python-docx 将文本格式分为块对象与内联对象两种。

1 块对象

块对象一般包括标题、段落、图片、表格、有序列表与无序列表。块对象的属性指定了块对象所在的位置，如缩进、段落之间的段间距等，常用的属性有 alignment（对齐方式）、index（缩进）、pace（行间距）等：

from docx import Document
from docx.enum.text import WD_ALIGN_PARAGRAPH

# 修改word文档样式
doc = Document()

p1 = doc.add_paragraph("水平居中对齐")
# 设置段落水平居中对齐
p1.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.CENTER

p2 = doc.add_paragraph("左对齐")
# 设置段落左对齐
p2.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.LEFT

p3 = doc.add_paragraph("右对齐")
# 设置段落右对齐
p3.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.RIGHT

doc.save('new.docx')

2 内联对象

块对象的所有内容都包括在内联对象中，一个块对象由一个或多个内联对象组成。内联对象一般包括文字、句子、段落等，通常通过内联对象的相关属相来指定字体的样式，如粗体、斜体、大小等：

from docx import Document
from docx.shared import Pt

p4 = doc.add_paragraph()
run = p4.add_run("内联对象")
font = run.font
# 设置字体大小
font.size = Pt(35)
# 设置字体为斜体
font.italic = True

doc.save('new.docx')

2.2 Word 文档样式

Word 文档中常见的样式有段落样式、字符样式、表格样式等，python-docx 库样式定义在 styles 属性中，但它并不包含 Word 中所有的样式。
下面简单使用 python-docx 的styles 属性定义样式：

from docx import *
from docx.shared import Pt

# 获取python-docx支持的所有样式
styles = doc.styles
# 选取style并设置style中的段落格式
style = styles["Heading 1"]
p_format = style.paragraph_format
# 设置左缩进
p_format.left_indent = Pt(25)
# 使用样式
p = doc.add_paragraph("使用style设置段落样式", style=style)

doc.save("doc_style.docx")

将 python-docx 库中支持的所有表格样式输出：

from docx import Document
from docx.enum.style import *

# 输出所有表格的样式
doc = Document()
styles = doc.styles
for style in styles:
  # 过滤表格样式
  if style.type == WD_STYLE_TYPE.TABLE:
    # 输出当前样式的样式名
    doc.add_paragraph(f"表格样式名称: {style.name}")
    # 创建表格并指定为当前样式
    table = doc.add_table(3, 3, style=style)
    # 将内容添加到第一行
    cells = table.rows[0].cells
    cells[0].text = "第一列内容"
    cells[1].text = "第二列内容"
    cells[2].text = "第三列内容"
    doc.add_paragraph("\n")

doc.save("doc_all_style_list.docx")

使用 Word 模板

Word 模板指包括固定格式设置和版式设置的 Word文件，通过模板文件，可以快速生成美观的Word 文档，而不再需要重新设置各种样式的参数。

3.1 创建 Word 模板文件

对于不同的使用情景，Word 默认提供的各种模板文件并不能满足所有要求，此时可以自行创建一个符合自身需求的模板文件

下面创建一个入职证明Word模板，它用于证明新员工成功入职，其创建过程主要分为如下几步：
（1）创建一个普通的空白 Word 文档，在 Word 文档中输入相应的内容：

（2）选中 Word文档中的部分内容，如图，选中“同志”一词前的下划线“_”，然后在“插入” 选项卡中创建一个域，WPS与Word都具有该功能。

（3）在“域”对话框的 “域名”列表框中选择“MergeField”，然后在“域名”文本框中输入对应的名称，最后单击“确定”

（4）至此，带有“《》”符号的域在Word模板中创建成功

3.2 使用Word 模板文件

使用域创建自定义 Word 模板的目的就是让程序来填充内容，通过 docx-mailmerge 第三方库将数据填充到 Word 模板文件中，不过在使用前，需要先安装 docx-mailmerge 库：

pip3 install docx-mailmerge

docx-mailmerge 库在安装完成后即可使用：

from mailmerge import MailMerge

template = "doc_templates.docx"

doc = MailMerge(template)

# 将内容添加到Word模板文件中 参数名与Word模板中的域名相同
doc.merge(
  name="二两",
  id="111222333",
  year="2021",
  month="8",
  day="30"
)

doc.write("doc_templates_new.docx")

3.3 快速生成千份劳动合同

有一个Excel 表格，其中记录了1000 位求职者的姓名，现在需要为每位求职者生成相应的合同，并将合同中乙方的名字填写为求职者的姓名，该工作如何完成呢？

回顾前面的知识，不难想到，第一步当然是将合同文件转为Word模板文件，将要填写的信息的位置转为域。注意域只能使用英文名。用户可以根据自身的需求为不同的域设置不同的样式：

import pandas as pd
from mailmerge import MailMerge

# 读取求职者基本信息Excel表
job_seekers = pd.read_excel('求职者.xlsx')
template = '合同.docx'
doc = MailMerge(template)

# 将数据填写到Word中
def merge(name):
    doc.merge(owner = '二两', # 甲方
              party_b = name, # 乙方，求职者姓名
              # 合同年月日
              year = '2022',
              month = '7',
              day = '29')
    doc.write(f'合同/{name}_合同.dock')
    
# 循环遍历求职者姓名
for i, name in job_seekers['name'].items():
    merge(name)
print('done!')

自动生成数据分析报告

4.1 处理Excel 数据

学生成绩数据如图所示，数据分析报告需要给出分数排在第一位的学生姓名及分数，此外还需要通过表格与柱状图展示出学生分数的排列情况。

首先生成学生成绩从大到小排序的柱状图：

import pandas as pd
import matplotlib.pyplot as plt


# 自动生成数据分析报告
students = pd.read_excel("student_score.xlsx")
# 就地排序
students.sort_values(by='Score', inplace=True, ascending=False)
# 绘制柱状图
plt.bar(students["Name"], students["Score"], color="orange")

plt.title("Student Score", fontsize=16)
plt.xlabel("Name")
plt.ylabel("Score")

# 重铺x轴标签
plt.xticks(students.Name, rotation='90')
# 紧凑型布局
plt.tight_layout()
# 保存图片
plt.savefig("student_score.png")

柱状图绘制完成后，接着获取分数排在第一位的学生信息。因为在绘制柱状图时已经通过 sort_values 方法对数据进行了排序，所以直接获取排在第一位的学生数据即可。
需要注意的是，用 sort_values 方法进行排序后的数据的下标并没有改变，此时直接通过下标获取的仍是原本排在第一位的数据，但是这并不是我们需要的。此时要么通过绝对位置获取数据，要么重新排序数据的下标，再通过下标获取数据：

# 数据虽然被排序 但数据下标并没有改变 直接通过下标获取的依旧是原本的数据
print("原始下标: ", students["Name"][0])

# 方法一 通过iloc方法获取绝对的位置
print("绝对位置: ", students.iloc[0, :]["Name"])
# 方法二 对下标重新排序再取其中第一位
students.reset_index(drop=True, inplace=True)
print("重新排序后的下标 ", students["Name"][0])

4.2 生成美观的数据分析报告

使用 python-docx 库来生成数据分析报告：

# 生成word文档
doc = Document()
doc.add_heading("数据分析报告", level=0)
# 绝对定位 获取分数排在第一位的学生信息
first_student = students.iloc[0, :]["Name"]
first_score = students.iloc[0, :]["Score"]

p = doc.add_paragraph("分数排在第一位的学生是: ")
# 设置为粗体
p.add_run(str(first_student)).bold = True
p.add_run(', 分数为 ')
p.add_run(str(first_score)).bold = True

p1 = doc.add_paragraph(f"总共有 {len(students['Name'])} 名学生参加了考试 学生考试总体情况为 ")

# 添加表格
table = doc.add_table(rows=len(students["Name"]) + 1, cols=2)

# 设置表格样式
table.style = "LightShading-Accent1"
table.cell(0, 0).text = "学生姓名"
table.cell(0, 1).text = "学生分数"

# 添加数据到表中
for i, (index, row) in enumerate(students.iterrows()):
  table.cell(i + 1, 0).text = str(row["Name"])
  table.cell(i + 1, 1).text = str(row["Score"])

# 添加图片
doc.add_picture("student_score.png")
doc.save("student_score_analyze.docx")
print("Done!")