python讀取docx文件，就是如此簡單

中文編碼問題總是讓人頭疼(尤其是mac本),想要用Python讀取word中的內容。用open()經常報錯,通過百度搜索+問身邊小夥伴發現了Python有專門讀取.docx的模塊python_docx。本篇文章主要來解決一個讀取docx文件的基本操作。希望感興趣的小夥伴可以堅持看下去同時歡迎提出寶貴的意見讓我們一起進步！

01：問題拋出與引入

import docx
path = "C:\\Users\\qin\\Desktop\\1.docx"
file_object=open(path,'rb')
print(file_object.read())
#輸出結果如下所示：
b'PK\\x03\\x04\\x14\\x00\\x06\\x00\\x08\\x00\\x00\\x00!\\x00J\\xbc\\x02qm\\x01\\x00\\x00
(\\x06\\x00\\x00\\x13\\x00\\x08\\x02[Content_Types].xml \\xa2\\x04\\x02(\\xa0\.....

一個很簡單的docx文件,打印出來的結果卻不是我們想要的。對此引入一個十分好用的docx模塊,下面就詳細介紹該模塊的一些基本操作。

02：安裝docx模塊

pip install python_docx

03：新建文檔對象

import docx
from docx import Document
# 新建文檔,並將其保存名爲“test.docx”的文件
document = Document()
document.save('test.docx')

04：添加文檔內容

import docx
from docx import Document
from docx.shared import Inches
document = Document('C:\\Users\\qin\\Desktop\\1.docx')
document.add_heading('I like python', 0)#插入標題：0表示樣式爲title標題
document.add_heading('一級標題', level=1)#插入1級標題
p = document.add_paragraph('Python是一種計算機程序設計語言 ')#插入段落
document.add_picture('C:\\Users\\qin\\Desktop\\1.png', width=Inches(1.25)) #添加圖片並指定寬度
table = document.add_table(rows=1, cols=3)  #添加一個表格，每行三列
hdr_cells = table.rows[0].cells  #獲取第一行的單元格列表對象
hdr_cells[0].text = 'ID'    #爲每一個單元格賦值
hdr_cells[1].text = 'Name'
hdr_cells[2].text = 'Age'
new_cells = table.add_row().cells #爲表格添加一行
new_cells[0].text = '1'
new_cells[1].text = 'Tom'
new_cells[2].text = '15'
document.add_page_break()   #添加分頁符

05：保存文檔內容

名字相同則將修改的文件內容保存;名字不同則將修改的文件內容另存爲。

import docx
from docx import Document
document.save('C:\\Users\\qin\\Desktop\\1.docx')#保存
document.save('C:\\Users\\qin\\Desktop\\2.docx')#另存爲

06：讀取文本內容

import docx
from docx import Document
path = "C:\\Users\\qin\\Desktop\\1.docx"
document = Document(path)
for paragraph in document.paragraphs:
    print(paragraph.text)

07：讀取表格內容

import docx
from docx import Document
path = "C:\\Users\\qin\\Desktop\\1.docx"
document = Document(path)  # 讀入文件
tables = document.tables   # 獲取文件中的表格集
table = tables[0]  # 獲取文件中的第一個表格
for i in range(0, len(table.rows)):  # 從表格第一行開始循環讀取表格數據
    result = f'{(table.cell(i, 0).text):<5}' + "" + f'{(table.cell(i, 1).text):<5}' + "" + f'{(table.cell(i, 2).text):<5}'
    # cell(i,0)表示第(i+1)行第1列數據,以此類推
    print(result)

想要知道docx模塊更多資料參考:https://python-docx.readthedocs.io/en/latest/