Python处理docx文档

应用场景：

根据数据源不同，处理tem.docx模板文档，输出目标result.docx文档。注意这里介绍的方法不适用*.doc 文档

开发环境:

 1.windows7/windows10
 2.Python3.6+  64bit
 3.扩展模块：python-docx 

从扩展模块官方文档描述来看DocxFactory似乎更符合我的需求，无奈我在win7和win10两个环境里安装都失败，提示： Unable to find vcvarsall.bat，说是需要Visual C++或者Visual Studio而我需要的版本分别为Visual C++ 14或者Visual Studio 2015，但是安装之后并没有解决问题。也曾尝试在Centos7环境里安装DocxFactory，仍然安装失败。所以只好放弃DocxFactory。

安装扩展模块

pip install python-docx

或者

easy_install python-docx

关于python-docx的详细信息，请参阅官方文档 http://python-docx.readthedocs.io/en/latest/

模板文档

为了处理常用的文档内容，示例模板中包括普通的段落、表格、图片、公式。文档内容图示，其中蓝色字体为定义的参数，输出目标文档时会被动态替换：

模板文档内容1.png 模板文档内容2.png

我想要的效果是文档中的参数被替换成我想要的数据，文档内容格式保持。

代码内容

模块引入

import copy
import docx
import os

文档处理代码

def change_key(doc, new_doc, dic):
  if dic and doc and new_doc:
    doc_path = os.path.join(FILE_PATH, doc)
    new_doc_path = os.path.join(NEW_FILE_PATH, new_doc)
    doc_file = docx.Document(doc_path)
    # 替换段落内容
    for paragraph in doc_file.paragraphs:
        # 深度复制段落内容，包括样式。如果不深度复制，样式会丢失
        list_runs = copy.deepcopy(paragraph.runs)
        paragraph.clear()
        #文字替换
        for run in list_runs:
            for name in dic:
                print (name)                
                if name in run.text:
                    value = dic[name]
                    run.text = run.text.replace(name, str(value))
            # 段落样式的复制
            paragraph.add_run(run.text, run.style)

    # 替换表格内容
    for table in doc_file.tables:
        # 深度复制表格内容，包括样式, 如果不深度复制，样式会丢失
        table_style = copy.deepcopy(table.style)
        for row in table.rows:
            for cell in row.cells:
                for name in dic:
                    if name in cell.text:
                        value = dic[name]
                        cell.text = cell.text.replace(name, str(value))
        table.style=table_style
    doc_file.save(new_doc_path)
    print(new_doc_path)
else:
    return

测试代码

value_dic = {
  "module_name": "python-docx",
  "bottom": "Sub_Bottom",
  "subscript_top": "Sub_Top",
  "rc_22": "TRC22",
  "rc_24": "TRC24",
  "rc_32": "TRC32",
  "rc_34": "TRC34",
}
change_key("tem.docx", "result.docx", value_dic)

对于python-docx来说文档中的所有内容都是段落，其识别段落是根据文档中的回车符来判断的。而对于文档中的公式或者图片来说，python-docx处理起来会丢失。python-docx在解析docx文档时首先会解压文档，公式和图片都会被作为图片来处理，存放入“..\word\media\”目录下，所以仅仅简单的复制是会因找不到而丢失这些内容。我在模板文档中对公式与图片作了特殊处理，即在公式与图片外面加了一层表格，表格边框线设置为无边框，视觉效果上与普通的公式、图片没有什么区别，但却方便了很多。

输出效果

目标文档效果1.png 目标文档效果2.png

从输出结果来看，还有一些不尽如意的地方，比如原文档中参数由蓝色标注，输出后，颜色消失；原来的斜体效果也失去；表格中动态写入的内容也是左对齐，而原模板是居中设置的。
这里记录了自己踩过的坑调填平后的内容，至于会遇到什么样的坑，你不防自制一个模板来试试。