1. 前言
上一篇文章宠蚂，對(duì) Word 寫(xiě)入數(shù)據(jù)的一些常見(jiàn)操作進(jìn)行了總結(jié)
最全總結(jié) | 聊聊 Python 辦公自動(dòng)化之 Word（上）
相比寫(xiě)入數(shù)據(jù)，讀取數(shù)據(jù)同樣很實(shí)用童社！
本篇文章求厕，將談?wù)勅绾稳孀x取一個(gè) Word 文檔中的數(shù)據(jù)，并會(huì)指出一些要注意的點(diǎn)
2. 基本信息
我們同樣使用 python-docx 這個(gè)依賴(lài)庫(kù)來(lái)對(duì) Word 文檔進(jìn)行讀取
首先我們來(lái)讀取文檔的基本信息
它們分別是：章節(jié)扰楼、頁(yè)邊距呀癣、頁(yè)眉頁(yè)腳邊距、頁(yè)面寬高灭抑、頁(yè)面方向等
在獲取文檔基礎(chǔ)信息之前十艾，我們通過(guò)文檔路徑構(gòu)建一個(gè)文檔對(duì)象 Document
from docx import Document
# 源文件目錄
self.word_path = './output.docx'
# 打開(kāi)文檔，構(gòu)建一個(gè)文檔對(duì)象
self.doc = Document(self.word_path)
1 - 章節(jié)（ Section ）
# 1腾节、獲取章節(jié)信息
# 注意：章節(jié)可以設(shè)置本頁(yè)的大小、頁(yè)眉荤牍、頁(yè)腳
msg_sections = self.doc.sections
print("章節(jié)列表：", msg_sections)
# 章節(jié)數(shù)目
print('章節(jié)數(shù)目:', len(msg_sections))
2 - 頁(yè)邊距（ Page Margin ）
通過(guò)章節(jié)對(duì)象的 left_margin案腺、top_margin、right_margin康吵、bottom_margin 屬性值可以獲取當(dāng)前章節(jié)的左邊距劈榨、上邊距、右邊距晦嵌、下邊距
def get_page_margin(section):
"""
獲取某個(gè)頁(yè)面的頁(yè)邊距(EMU)
:param section:
:return:
"""
# 分別對(duì)應(yīng)：左邊距同辣、上邊距硼补、右邊距棚唆、下邊距
left, top, right, bottom = section.left_margin, section.top_margin, section.right_margin, section.bottom_margin
return left, top, right, bottom
# 2、頁(yè)邊距信息
first_section = msg_sections[0]
left, top, right, bottom = get_page_margin(first_section)
print('左邊距:', left, ",上邊距：", top, ",右邊距：", right, "泄朴，下邊距：", bottom)
返回值的單位是 EMU描滔，和厘米棒妨、英尺的轉(zhuǎn)換關(guān)系如下：
3 - 頁(yè)眉頁(yè)腳邊距
頁(yè)眉邊距：header_distance
頁(yè)腳邊距：footer_distance
def get_header_footer_distance(section):
"""
獲取頁(yè)眉、頁(yè)腳邊距
:param section:
:return:
"""
# 分別對(duì)應(yīng)頁(yè)眉邊距含长、頁(yè)腳邊距
header_distance, footer_distance = section.header_distance, section.footer_distance
return header_distance, footer_distance
# 3券腔、頁(yè)眉頁(yè)腳邊距
header_distance, footer_distance = get_header_footer_distance(first_section)
print('頁(yè)眉邊距:', header_distance, "伏穆，頁(yè)腳邊距:", footer_distance)
4 - 頁(yè)面寬度和高度
頁(yè)面寬度：page_width
頁(yè)面高度：page_height
def get_page_size(section):
"""
獲取頁(yè)面寬度、高度
:param section:
:return:
"""
# 分別對(duì)應(yīng)頁(yè)面寬度纷纫、高度
page_width, page_height = section.page_width, section.page_height
return page_width, page_height
# 4枕扫、頁(yè)面寬度、高度
page_width, page_height = get_page_size(first_section)
print('頁(yè)面寬度:', page_width, "辱魁，頁(yè)面高度:", page_height)
5 - 頁(yè)面方向（ Page Orientation ）
頁(yè)面方向分為：橫向和縱向
使用章節(jié)對(duì)象的 orientation 屬性去獲取一個(gè)章節(jié)的頁(yè)面方向
def get_page_orientation(section):
"""
獲取頁(yè)面方向
:param section:
:return:
"""
return section.orientation
# 5铡原、頁(yè)面方向
# 類(lèi)型：class 'docx.enum.base.EnumValue
# 包含：PORTRAIT (0)、LANDSCAPE (1)
page_orientation = get_page_orientation(first_section)
print("頁(yè)面方向:", page_orientation)
同樣商叹，可以直接使用這個(gè)屬性設(shè)置一個(gè)章節(jié)的方向
from docx.enum.section import WD_ORIENT
# 設(shè)置頁(yè)面方向（橫向燕刻、豎向）
# 設(shè)置為橫向
first_section.orientation = WD_ORIENT.LANDSCAPE
# 設(shè)置為豎向
# first_section.orientation = WD_ORIENT.PORTRAIT
self.doc.save(self.word_path)
3. 段落
使用文檔對(duì)象的 paragraphs 屬性可以獲取文檔中所有的段落
注意：這里獲取的段落不包含頁(yè)眉、頁(yè)腳剖笙、表格中的段落
# 獲取文檔對(duì)象中所有的段落卵洗，默認(rèn)不包含：頁(yè)眉、頁(yè)腳弥咪、表格中的段落
paragraphs = self.doc.paragraphs
# 1过蹂、段落數(shù)目
paragraphs_length = len(paragraphs)
print('文檔中一共包含：{}個(gè)段落'.format(paragraphs_length))
1 - 段落內(nèi)容
我們可以遍歷文檔中所有的段落列表，通過(guò)段落對(duì)象的 text 屬性聚至，獲取全部的段落內(nèi)容
# 0酷勺、讀取所有段落數(shù)據(jù)
contents = [paragraph.text for paragraph in self.doc.paragraphs]
print(contents)
2 - 段落格式
通過(guò)上一篇文章，我們知道段落也存在格式的
使用 paragraph_format 屬性獲取段落的基本格式信息
包含：對(duì)齊方式扳躬、左右縮進(jìn)脆诉、行間距、段落前后間距等
# 2贷币、獲取某一個(gè)段落的格式信息
paragraph_someone = paragraphs[0]
# 2.1 段落內(nèi)容
content = paragraph_someone.text
?print('段落內(nèi)容:', content)
# 2.2 段落格式
paragraph_format = paragraph_someone.paragraph_format
# 2.2.1 對(duì)齊方式
# <class 'docx.enum.base.EnumValue'>
alignment = paragraph_format.alignment
print('段落對(duì)齊方式：', alignment)
# 2.2.2 左击胜、右縮進(jìn)
left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indent
print('段落左縮進(jìn):', left_indent, "，右縮進(jìn):", right_indent)
# 2.2.3 首行縮進(jìn)
first_line_indent = paragraph_format.first_line_indent
print('段落首行縮進(jìn):', first_line_indent)
# 2.2.4 行間距
line_spacing = paragraph_format.line_spacing
print('段落行間距:', line_spacing)
# 2.2.5 段落前后間距
space_before, space_after = paragraph_format.space_before, paragraph_format.space_after
print('段落前役纹、后間距分別為:', space_before, ',', space_after)
4. 文字塊 - Run
文字塊 Run 屬于段落的一部分偶摔，所以，要獲取文字塊信息促脉，必須先拿到一個(gè)段落實(shí)例對(duì)象
以文字塊基本信息辰斋、字體格式信息為例
1 - 文字塊基本信息
我們使用段落對(duì)象的 runs 屬性獲取段落內(nèi)所有的文字塊對(duì)象
def get_runs(paragraph):
"""
獲取段落下所有的文字塊信息，包含：數(shù)目瘸味、內(nèi)容列表
:param paragraph:
:return:
"""
# 段落對(duì)象包含的文字塊Run
runs = paragraph.runs
# 數(shù)量
runs_length = len(runs)
# 文字塊內(nèi)容
runs_contents = [run.text for run in runs]
return runs, runs_length, runs_contents
2 - 文字塊格式信息
文字塊是文檔中最小的文字單元宫仗，使用文字塊對(duì)象的 font 屬性可以拿到它的字體屬性
和設(shè)置文字塊格式屬性一一對(duì)應(yīng)，字體名稱(chēng)硫戈、大小锰什、顏色、是否加粗、是否斜體等都可以獲取到
# 2汁胆、文字塊格式信息
# 包含：字體名稱(chēng)梭姓、大小、顏色嫩码、是否加粗等
# 某一個(gè)文字塊的字體屬性
?run_someone_font = runs[0].font
# 字體名稱(chēng)
font_name = run_someone_font.name
print('字體名稱(chēng):', font_name)
# 字體顏色(RGB)
# <class 'docx.shared.RGBColor'>
font_color = run_someone_font.color.rgb
print('字體顏色:', font_color)
print(type(font_color))
# 字體大小
font_size = run_someone_font.size
print('字體大小:', font_size)
# 是否加粗
# True:加粗誉尖；None/False：沒(méi)有加粗
font_bold = run_someone_font.bold
print('是否加粗：', font_bold)
# 是否斜體
# True:協(xié)議；None/False：不是斜體
font_italic = run_someone_font.italic
print('是否斜體:', font_italic)
# 帶下劃線
# True：帶有下滑線铸题；None/False:字體沒(méi)有帶下滑線
font_underline = run_someone_font.underline
print('帶有下滑線:', font_underline)
# 刪除線/雙刪除線
# True：帶有刪除線铡恕；None/False:字體沒(méi)有帶刪除線
font_strike = run_someone_font.strike
font_double_strike = run_someone_font.double_strike
print('帶有刪除線:', font_strike, "\n帶有雙刪除線:", font_double_strike)
5. 表格
文檔對(duì)象的 tables 屬性可以獲取當(dāng)前文檔中所有的表格對(duì)象
# 文檔中所有的表格對(duì)象
tables = self.doc.tables
# 1、表格數(shù)量
table_num = len(tables)
print('文檔中包含的表格數(shù)量:', table_num)
1 - 表格所有數(shù)據(jù)
獲取表格中所有數(shù)據(jù)有 2 種方式
第一種方式：通過(guò)遍歷文檔中所有表格丢间，然后按行和單元格進(jìn)行遍歷探熔，最后通過(guò)單元格的 text 屬性獲取所有單元格的文本內(nèi)容
# 2、讀取所有表格數(shù)據(jù)
# 所有表格對(duì)象
# tables = [table for table in self.doc.tables]
print('內(nèi)容分別是：')
for table in tables:
for row in table.rows:
for cell in row.cells:
print(cell.text, end=' ')
print()
print('\n')
另外一種方式是使用表格對(duì)象的 _cells 屬性獲取表格中所有的單元格烘挫，然后遍歷獲取單元格的值
def get_table_cell_content(table):
"""
讀取表格中所有單元格是內(nèi)容
:param table:
:return:
"""
# 所有單元格
cells = table._cells
cell_size = len(cells)
# 所有單元格的內(nèi)容
content = [cell.text for cell in cells]
return content
2 - 表格樣式
# 3诀艰、表格樣式名稱(chēng)
# Table Grid
table_someone = tables[0]
style = table_someone.style.name
print("表格樣式:", style)
3 - 表格行數(shù)量、列數(shù)量
table.rows：表格中的行數(shù)據(jù)迭代對(duì)象
table.columns：表格中的列數(shù)據(jù)迭代對(duì)象
def get_table_size(table):
"""
獲取表格的行數(shù)量饮六、列數(shù)量
:param table:
:return:
"""
# 幾行其垄、幾列
row_length, column_length = len(table.rows), len(table.columns)
return row_length, column_length
4 - 行數(shù)據(jù)、列數(shù)據(jù)
有時(shí)候卤橄，我們需要單獨(dú)按照行或者列绿满，獲取全部數(shù)據(jù)
?def get_table_row_datas(table):
"""
獲取表格中行數(shù)據(jù)
:param table:
:return:
"""
rows = table.rows
datas = []
# 每一行獲取單元格的數(shù)據(jù)組成列表，加入到結(jié)果列表中
for row in rows:
datas.append([cell.text for cell in row.cells])
return datas
def get_table_column_datas(table):
"""
獲取表格中列數(shù)據(jù)
:param table:
:return:
"""
columns = table.columns
datas = []
# 每一列獲取單元格的數(shù)據(jù)組成列表窟扑，加入到結(jié)果列表中
for column in columns:
datas.append([cell.text for cell in column.cells])
return datas
6. 圖片
有時(shí)候喇颁，我們需要將 Word 文檔中的圖片下載到本地
Word 文檔實(shí)際上也是一個(gè)壓縮文件，我們使用解壓工具后發(fā)現(xiàn)辜膝，文檔包含的圖片都放置在 /word/media/ 目錄下
提取文檔圖片有 2 種方法无牵，分別是：
解壓文檔文件，將對(duì)應(yīng)目錄下的圖片拷貝出來(lái)
使用 python-docx 內(nèi)置的方法提取圖片（ 推薦 ）
def get_word_pics(doc, word_path, output_path):
"""
提取word文檔內(nèi)的圖片
:param word_path:源文件名稱(chēng)
:param output_path: 結(jié)果目錄
:return:
"""
dict_rel = doc.part._rels
for rel in dict_rel:
rel = dict_rel[rel]
if "image" in rel.target_ref:
# 圖片保存目錄
if not os.path.exists(output_path):
os.makedirs(output_path)
img_name = re.findall("/(.*)", rel.target_ref)[0]
word_name = os.path.splitext(word_path)[0]
# 新的名稱(chēng)
newname = word_name.split('\\')[-1] if os.sep in word_name else word_name.split('/')[-1]
img_name = f'{newname}_{img_name}'
# 寫(xiě)入到文件中
with open(f'{output_path}/{img_name}', "wb") as f:
f.write(rel.target_part.blob)
7. 頁(yè)眉頁(yè)腳
頁(yè)眉和頁(yè)腳都是基于章節(jié)
我們以某一個(gè)章節(jié)對(duì)象為例進(jìn)行說(shuō)明
?# 獲取某一個(gè)章節(jié)
first_section = self.doc.sections[0]
使用章節(jié)對(duì)象的 header厂抖、footer 屬性可以獲取頁(yè)眉、頁(yè)腳對(duì)象
由于頁(yè)眉克懊、頁(yè)腳可能包含多個(gè)段落 Paragraph忱辅，因此，我們可以先使用頁(yè)眉頁(yè)腳對(duì)象的 paragraphs 屬性獲取所有段落谭溉，然后遍歷出所有段落的值墙懂，最后拼接起來(lái)就是頁(yè)眉頁(yè)腳的全部?jī)?nèi)容
# 注意：頁(yè)眉、頁(yè)腳都有可能包含多個(gè)段落
# 頁(yè)眉所有的段落
header_content = " ".join([paragraph.text for paragraph in first_section.header.paragraphs])
print("頁(yè)眉內(nèi)容:", header_content)
# 頁(yè)腳
footer_content = " ".join([paragraph.text for paragraph in first_section.footer.paragraphs])
print("頁(yè)腳內(nèi)容:", footer_content)
8. 最后
本篇文章和上一篇文章扮念，分別對(duì) Word 文檔的讀寫(xiě)進(jìn)行了一次全面講解
文中全部源碼我已經(jīng)上傳到后臺(tái)损搬，關(guān)注公眾號(hào)「 AirPython 」，回復(fù)「 word 」即可獲得全部源碼
如果你覺(jué)得文章還不錯(cuò)，請(qǐng)大家 點(diǎn)贊巧勤、分享嵌灰、留言下，因?yàn)檫@將是我持續(xù)輸出更多優(yōu)質(zhì)文章的最強(qiáng)動(dòng)力颅悉！
推薦閱讀
最全總結(jié) | 聊聊 Python 辦公自動(dòng)化之 Excel（上）
最全總結(jié) | 聊聊 Python 辦公自動(dòng)化之 Excel（中）
