Python自动化办公：使用python-docx读取Word文档内容

前言

在前面的章节中，我们已经掌握了普通文件的基本操作，包括文件的创建、复制、粘贴、重命名以及删除等。此外，我们还练习了如何查找文件以及根据内容搜索文件的方法。

接下来的章节将重点介绍针对特殊类型文件的自动化操作，例如Word、Excel和PPT文件。尽管这些文件类型较为特殊，但它们在实际工作场景中极为常见且使用频繁。

现在，让我们正式进入Word文件自动化操作的学习阶段。

本章涉及的新模块

python-docx

pdfkit

pydocx

利用Python批量读取文件

Word处理利器：python-docx

python-docx是一个用于创建和修改微软Word文档的Python库，提供了完整的Word操作功能，是目前最常用的Word处理工具之一。

在使用该库之前，需要理解以下几个核心概念：

• Document：代表一个Word文档对象。与VBA中的Worksheet不同，Document是独立的，打开不同的Word文档会生成不同的Document对象，它们之间互不影响。
• Paragraph：代表段落。一个Word文档由多个段落组成。在文档中输入回车键会创建新段落，而Shift+回车则不会分段。
• Run：表示节段。每个段落由多个Run组成，具有相同样式的连续文本构成一个Run，因此一个Paragraph对象包含一个Run列表。

如下图所示的Word文档结构示意图：

Word文档的结构划分如下所示：

python-docx安装指南

安装步骤如下：

使用pip安装python-docx。如果下载速度较慢，可以更换为国内镜像源（如下所示）：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-docx

导入模块的方法：

import docx from docx import …

python-docx中的Document对象详解

导入包与模块的具体方式：

from docx import Document

具体使用方法如下：

Document(word文件地址)

返回值说明：

返回Word文件对象

python-docx：读取段落内容

要读取Word文档，核心在于提取段落和表格内容。无论是段落还是表格，其内部数据均为字符串，我们的目标就是读取这些字符串内容。

首先介绍段落内容的读取方式：

数据来源说明：

document_obj.paragraphs：通过Document对象的paragraphs属性返回段落列表；如果Word文件包含多个段落，则会生成多个段落对象。

使用方法：

通过循环遍历每个段落对象，并调用其text属性获取文本。

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：（注：此处文本仅为演示用途，本人并非培训机构！）

python-docx：读取表格内容

接下来介绍如何读取Word文件中的表格内容：

数据来源说明：

document_obj.tables：通过Document对象的tables属性返回表格列表，其中包含各个表格对象。

使用方法：

同样通过循环遍历，获取行与列的具体内容。

返回值说明：

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：

至此，关于Python自动化办公中Word文件内容读取的介绍就到这里。如需了解更多Python读取Word内容的相关信息，请搜索本站历史文章或继续浏览后续相关文章，希望大家今后多多支持本站！