点击上方“AirPython”，选择“加为星标”
第一时间关注 Python 技术干货！
1. 前言
上一篇文章，对 Word 写入数据的一些常见操作进行了总结
最全总结 | 聊聊 Python 办公自动化之 Word（上）
相比写入数据，读取数据同样很实用！
本篇文章，将谈谈如何全面读取一个 Word 文档中的数据，并会指出一些要注意的点
2. 基本信息
我们同样使用 python-docx 这个依赖库来对 Word 文档进行读取
首先我们来读取文档的基本信息
它们分别是：章节、页边距、页眉页脚边距、页面宽高、页面方向等
在获取文档基础信息之前，我们通过文档路径构建一个文档对象 Document
-
from docx
import Document
-
-
# 源文件目录
-
self.word_path =
'./output.docx'
-
-
# 打开文档，构建一个文档对象
-
self.doc = Document(self.word_path)
1 - 章节（ Section ）
-
#
1、获取章节信息
-
# 注意：章节可以设置本页的大小、页眉、页脚
-
msg_ps = self.doc.ps
-
print(
"章节列表：", msg_ps)
-
# 章节数目
-
print(
'章节数目:',
len(msg_ps))
2 - 页边距（ Page Margin ）
通过章节对象的 left_margin、top_margin、right_margin、bottom_margin 属性值可以获取当前章节的左边距、上边距、右边距、下边距
-
def get_page_margin(p):
-
""
"
-
获取某个页面的页边距(EMU)
-
:param p:
-
:return:
-
"
""
-
# 分别对应：左边距、上边距、右边距、下边距
-
left, top, right, bottom = p.left_margin, p.top_margin, p.right_margin, p.bottom_margin
-
return left, top, right, bottom
-
-
#
2、页边距信息
-
first_p = msg_ps[
0]
-
left, top, right, bottom = get_page_margin(first_p)
-
print(
'左边距:', left,
",上边距：", top,
",右边距：", right,
"，下边距：", bottom)
返回值的单位是 EMU，和厘米、英尺的转换关系如下：
3 - 页眉页脚边距
页眉边距：header_distance
页脚边距：footer_distance
-
def get_header_footer_distance(p):
-
""
"
-
获取页眉、页脚边距
-
:param p:
-
:return:
-
"
""
-
# 分别对应页眉边距、页脚边距
-
header_distance, footer_distance = p.header_distance, p.footer_distance
-
return header_distance, footer_distance
-
-
#
3、页眉页脚边距
-
header_distance, footer_distance = get_header_footer_distance(first_p)
-
print(
'页眉边距:', header_distance,
"，页脚边距:", footer_distance)
4 - 页面宽度和高度
页面宽度：page_width
页面高度：page_height
-
def get_page_size(p):
-
""
"
-
获取页面宽度、高度
-
:param p:
-
:return:
-
"
""
-
# 分别对应页面宽度、高度
-
page_width, page_height = p.page_width, p.page_height
-
return page_width, page_height
-
-
#
4、页面宽度、高度
-
page_width, page_height = get_page_size(first_p)
-
print(
'页面宽度:', page_width,
"，页面高度:", page_height)
5 - 页面方向（ Page Orientation ）
页面方向分为：横向和纵向
使用章节对象的 orientation 属性去获取一个章节的页面方向
-
def get_page_orientation(p):
-
""
"
-
获取页面方向
-
:param p:
-
:return:
-
"
""
-
return p.orientation
-
-
#
5、页面方向
-
# 类型：class
'docx.enum.base.EnumValue
-
# 包含：PORTRAIT (0)、LANDSCAPE (1)
-
page_orientation = get_page_orientation(first_p)
-
print("页面方向:", page_orientation)
-
同样，可以直接使用这个属性设置一个章节的方向
-
from docx.enum.p
import WD_ORIENT
-
-
# 设置页面方向（横向、竖向）
-
# 设置为横向
-
first_p.orientation = WD_ORIENT.LANDSCAPE
-
# 设置为竖向
-
# first_p.orientation = WD_ORIENT.PORTRAIT
-
self.doc.save(self.word_path)
3. 段落
使用文档对象的 paragraphs 属性可以获取文档中所有的段落
注意：这里获取的段落不包含页眉、页脚、表格中的段落
-
# 获取文档对象中所有的段落，默认不包含：页眉、页脚、表格中的段落
-
paragraphs = self.doc.paragraphs
-
-
#
1、段落数目
-
paragraphs_length =
len(paragraphs)
-
print(
'文档中一共包含：{}个段落'.format(paragraphs_length))
1 - 段落内容
我们可以遍历文档中所有的段落列表，通过段落对象的 text 属性，获取全部的段落内容
-
#
0、读取所有段落数据
-
contents = [paragraph.text
for paragraph in self.doc.paragraphs]
-
print(contents)
2 - 段落格式
通过上一篇文章，我们知道段落也存在格式的
使用 paragraph_format 属性获取段落的基本格式信息
包含：对齐方式、左右缩进、行间距、段落前后间距等
-
#
2、获取某一个段落的格式信息
-
paragraph_someone = paragraphs[
0]
-
-
#
2.1 段落内容
-
content = paragraph_someone.text
-
print(
'段落内容:', content)
-
-
#
2.2 段落格式
-
paragraph_format = paragraph_someone.paragraph_format
-
-
#
2.2
.1 对齐方式
-
# <class
'docx.enum.base.EnumValue'>
-
alignment = paragraph_format.alignment
-
print(
'段落对齐方式：', alignment)
-
-
#
2.2
.2 左、右缩进
-
left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indent
-
print(
'段落左缩进:', left_indent,
"，右缩进:", right_indent)
-
-
#
2.2
.3 首行缩进
-
first_line_indent = paragraph_format.first_line_indent
-
print(
'段落首行缩进:', first_line_indent)
-
-
#
2.2
.4 行间距
-
line_spacing = paragraph_format.line_spacing
-
print(
'段落行间距:', line_spacing)
-
-
#
2.2
.5 段落前后间距
-
space_before, space_after = paragraph_format.space_before, paragraph_format.space_after
-
print(
'段落前、后间距分别为:', space_before,
',', space_after)
4. 文字块 - Run
文字块 Run 属于段落的一部分，所以，要获取文字块信息，必须先拿到一个段落实例对象
以文字块基本信息、字体格式信息为例
1 - 文字块基本信息
我们使用段落对象的 runs 属性获取段落内所有的文字块对象
-
def get_runs(paragraph):
-
""
"
-
获取段落下所有的文字块信息，包含：数目、内容列表
-
:param paragraph:
-
:return:
-
"
""
-
# 段落对象包含的文字块Run
-
runs = paragraph.runs
-
-
# 数量
-
runs_length =
len(runs)
-
-
# 文字块内容
-
runs_contents = [run.text
for run in runs]
-
-
return runs, runs_length, runs_contents
2 - 文字块格式信息
文字块是文档中最小的文字单元，使用文字块对象的 font 属性可以拿到它的字体属性
和设置文字块格式属性一一对应，字体名称、大小、颜色、是否加粗、是否斜体等都可以获取到
-
#
2、文字块格式信息
-
# 包含：字体名称、大小、颜色、是否加粗等
-
# 某一个文字块的字体属性
-
run_someone_font = runs[
0].font
-
-
# 字体名称
-
font_name = run_someone_font.name
-
print(
'字体名称:', font_name)
-
-
# 字体颜色(RGB)
-
# <class
'docx.shared.RGBColor'>
-
font_color = run_someone_font.color.rgb
-
print(
'字体颜色:', font_color)
-
print(
type(font_color))
-
-
# 字体大小
-
font_size = run_someone_font.size
-
print(
'字体大小:', font_size)
-
-
# 是否加粗
-
# True:加粗；None/False：没有加粗
-
font_bold = run_someone_font.bold
-
print(
'是否加粗：', font_bold)
-
-
# 是否斜体
-
# True:协议；None/False：不是斜体
-
font_italic = run_someone_font.italic
-
print(
'是否斜体:', font_italic)
-
-
# 带下划线
-
# True：带有下滑线；None/False:字体没有带下滑线
-
font_underline = run_someone_font.underline
-
print(
'带有下滑线:', font_underline)
-
-
# 删除线/双删除线
-
# True：带有删除线；None/False:字体没有带删除线
-
font_strike = run_someone_font.strike
-
font_double_strike = run_someone_font.double_strike
-
print(
'带有删除线:', font_strike,
"\n带有双删除线:", font_double_strike)
5. 表格
文档对象的 tables 属性可以获取当前文档中所有的表格对象
-
# 文档中所有的表格对象
-
tables = self.doc.tables
-
-
#
1、表格数量
-
table_num =
len(tables)
-
print(
'文档中包含的表格数量:', table_num)
1 - 表格所有数据
获取表格中所有数据有 2 种方式
第一种方式：通过遍历文档中所有表格，然后按行和单元格进行遍历，最后通过单元格的 text 属性获取所有单元格的文本内容
-
#
2、读取所有表格数据
-
# 所有表格对象
-
# tables = [table
for table in self.doc.tables]
-
print(
'内容分别是：')
-
for table in tables:
-
for row in table.rows:
-
for cell in row.cells:
-
print(cell.text, end=
' ')
-
print()
-
print(
'\n')
另外一种方式是使用表格对象的 _cells 属性获取表格中所有的单元格，然后遍历获取单元格的值
-
def get_table_cell_content(table):
-
""
"
-
读取表格中所有单元格是内容
-
:param table:
-
:return:
-
"
""
-
# 所有单元格
-
cells = table._cells
-
cell_size =
len(cells)
-
-
# 所有单元格的内容
-
content = [cell.text
for cell in cells]
-
return content
2 - 表格样式
-
#
3、表格样式名称
-
# Table Grid
-
table_someone = tables[
0]
-
style = table_someone.style.name
-
print(
"表格样式:", style)
3 - 表格行数量、列数量
table.rows：表格中的行数据迭代对象
table.columns：表格中的列数据迭代对象
-
def get_table_size(table):
-
""
"
-
获取表格的行数量、列数量
-
:param table:
-
:return:
-
"
""
-
# 几行、几列
-
row_length, column_length =
len(table.rows),
len(table.columns)
-
return row_length, column_length
4 - 行数据、列数据
有时候，我们需要单独按照行或者列，获取全部数据
-
def get_table_row_datas(table):
-
""
"
-
获取表格中行数据
-
:param table:
-
:return:
-
"
""
-
rows = table.rows
-
datas = []
-
-
# 每一行获取单元格的数据组成列表，加入到结果列表中
-
for row in rows:
-
datas.
append([cell.text
for cell in row.cells])
-
return datas
-
-
-
def get_table_column_datas(table):
-
""
"
-
获取表格中列数据
-
:param table:
-
:return:
-
"
""
-
columns = table.columns
-
datas = []
-
-
# 每一列获取单元格的数据组成列表，加入到结果列表中
-
for column in columns:
-
datas.
append([cell.text
for cell in column.cells])
-
return datas
6. 图片
有时候，我们需要将 Word 文档中的图片下载到本地
Word 文档实际上也是一个压缩文件，我们使用解压工具后发现，文档包含的图片都放置在 /word/media/ 目录下
提取文档图片有 2 种方法，分别是：
解压文档文件，将对应目录下的图片拷贝出来
使用 python-docx 内置的方法提取图片（ 推荐 ）
-
def get_word_pics(doc, word_path, output_path):
-
""
"
-
提取word文档内的图片
-
:param word_path:源文件名称
-
:param output_path: 结果目录
-
:return:
-
"
""
-
dict_rel = doc.part._rels
-
for rel in dict_rel:
-
rel = dict_rel[rel]
-
if
"image" in rel.target_ref:
-
# 图片保存目录
-
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]
-
-
# 新的名称
-
newname = word_name.split(
'\\')[
-1]
if os.sep in word_name
else word_name.split(
'/')[
-1]
-
img_name = f
'{newname}_{img_name}'
-
-
# 写入到文件中
-
with open(f
'{output_path}/{img_name}',
"wb") as f:
-
f.write(rel.target_part.blob)
7. 页眉页脚
页眉和页脚都是基于章节
我们以某一个章节对象为例进行说明
-
# 获取某一个章节
-
first_p = self.doc.ps[
0]
使用章节对象的 header、footer 属性可以获取页眉、页脚对象
由于页眉、页脚可能包含多个段落 Paragraph，因此，我们可以先使用页眉页脚对象的 paragraphs 属性获取所有段落，然后遍历出所有段落的值，最后拼接起来就是页眉页脚的全部内容
-
# 注意：页眉、页脚都有可能包含多个段落
-
# 页眉所有的段落
-
header_content =
" ".join([paragraph.text
for paragraph in first_p.header.paragraphs])
-
print(
"页眉内容:", header_content)
-
-
# 页脚
-
footer_content =
" ".join([paragraph.text
for paragraph in first_p.footer.paragraphs])
-
print(
"页脚内容:", footer_content)
8. 最后
本篇文章和上一篇文章，分别对 Word 文档的读写进行了一次全面讲解
文中全部源码我已经上传到后台，关注公众号，回复「 word 」即可获得全部源码
如果你觉得文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！
留言送书
本周赠书：《 趣学Python算法100例 》
内容简介：本书从一些经典算法出发，为读者展示了100个Python趣味编程实例。本书共12章，涵盖趣味算法入门、趣味数学问题、各种趣味整数、趣味分数、趣味素数、趣味逻辑推理、趣味游戏、趣味数组、趣味函数递归、定理与猜想、趣味图形及其他趣味问题。本书取材注重趣味性与实用性，内容涵盖Python编程的基础知识和常用算法，讲解时给出了实例的详细分析与代码实现，并对重点代码做了详细注释，还针对涉及的知识点做了拓展讲解。
PS：中奖名单将于下周一在交流群公布
推荐阅读
最全总结 | 聊聊 Python 办公自动化之 Excel（上）
最全总结 | 聊聊 Python 办公自动化之 Excel（中）
最全总结 | 聊聊 Python 办公自动化之 Excel（下）
最全总结 | 聊聊 Python 办公自动化之 Word（上）
转载：https://blog.csdn.net/hsh881025/article/details/109664661