1. 前言
上一篇文章，對 Word 寫入數據的一些常見操作進行了總結
最全總結 | 聊聊 Python 辦公自動化之 Word（上）
相比寫入數據，讀取數據同樣很實用！
本篇文章，將談談如何全面讀取一個 Word 文檔中的數據，並會指出一些要注意的點
2. 基本信息
我們同樣使用 python-docx 這個依賴庫來對 Word 文檔進行讀取
首先我們來讀取文檔的基本信息
它們分別是：章節、頁邊距、頁眉頁腳邊距、頁面寬高、頁面方向等
在獲取文檔基礎信息之前，我們通過文檔路徑構建一個文檔對象 Document
from docx import Document
# 源文件目錄
self.word_path = './output.docx'
# 打開文檔，構建一個文檔對象
self.doc = Document(self.word_path)
1 - 章節（ Section ）
# 1、獲取章節信息
# 注意：章節可以設置本頁的大小、頁眉、頁腳
msg_sections = self.doc.sections
print("章節列表：", msg_sections)
# 章節數目
print('章節數目:', len(msg_sections))
2 - 頁邊距（ Page Margin ）
通過章節對象的 left_margin、top_margin、right_margin、bottom_margin 屬性值可以獲取當前章節的左邊距、上邊距、右邊距、下邊距
def get_page_margin(section):
"""
獲取某個頁面的頁邊距(EMU)
:param section:
:return:
"""
# 分別對應：左邊距、上邊距、右邊距、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, "，下邊距：", bottom)
返回值的單位是 EMU，和釐米、英尺的轉換關係如下：
3 - 頁眉頁腳邊距
頁眉邊距：header_distance
頁腳邊距：footer_distance
def get_header_footer_distance(section):
"""
獲取頁眉、頁腳邊距
:param section:
:return:
"""
# 分別對應頁眉邊距、頁腳邊距
header_distance, footer_distance = section.header_distance, section.footer_distance
return header_distance, footer_distance
# 3、頁眉頁腳邊距
header_distance, footer_distance = get_header_footer_distance(first_section)
print('頁眉邊距:', header_distance, "，頁腳邊距:", footer_distance)
4 - 頁面寬度和高度
頁面寬度：page_width
頁面高度：page_height
def get_page_size(section):
"""
獲取頁面寬度、高度
:param section:
:return:
"""
# 分別對應頁面寬度、高度
page_width, page_height = section.page_width, section.page_height
return page_width, page_height
# 4、頁面寬度、高度
page_width, page_height = get_page_size(first_section)
print('頁面寬度:', page_width, "，頁面高度:", page_height)
5 - 頁面方向（ Page Orientation ）
頁面方向分爲：橫向和縱向
使用章節對象的 orientation 屬性去獲取一個章節的頁面方向
def get_page_orientation(section):
"""
獲取頁面方向
:param section:
:return:
"""
return section.orientation
# 5、頁面方向
# 類型：class 'docx.enum.base.EnumValue
# 包含：PORTRAIT (0)、LANDSCAPE (1)
page_orientation = get_page_orientation(first_section)
print("頁面方向:", page_orientation)
同樣，可以直接使用這個屬性設置一個章節的方向
from docx.enum.section import WD_ORIENT
# 設置頁面方向（橫向、豎向）
# 設置爲橫向
first_section.orientation = WD_ORIENT.LANDSCAPE
# 設置爲豎向
# first_section.orientation = WD_ORIENT.PORTRAIT
self.doc.save(self.word_path)
3. 段落
使用文檔對象的 paragraphs 屬性可以獲取文檔中所有的段落
注意：這裏獲取的段落不包含頁眉、頁腳、表格中的段落
# 獲取文檔對象中所有的段落，默認不包含：頁眉、頁腳、表格中的段落
paragraphs = self.doc.paragraphs
# 1、段落數目
paragraphs_length = len(paragraphs)
print('文檔中一共包含：{}個段落'.format(paragraphs_length))
1 - 段落內容
我們可以遍歷文檔中所有的段落列表，通過段落對象的 text 屬性，獲取全部的段落內容
# 0、讀取所有段落數據
contents = [paragraph.text for paragraph in self.doc.paragraphs]
print(contents)
2 - 段落格式
通過上一篇文章，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：對齊方式、左右縮進、行間距、段落前後間距等
# 2、獲取某一個段落的格式信息
paragraph_someone = paragraphs[0]
# 2.1 段落內容
content = paragraph_someone.text
print('段落內容:', content)
# 2.2 段落格式
paragraph_format = paragraph_someone.paragraph_format
# 2.2.1 對齊方式
# <class 'docx.enum.base.EnumValue'>
alignment = paragraph_format.alignment
print('段落對齊方式：', alignment)
# 2.2.2 左、右縮進
left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indent
print('段落左縮進:', left_indent, "，右縮進:", right_indent)
# 2.2.3 首行縮進
first_line_indent = paragraph_format.first_line_indent
print('段落首行縮進:', 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 段落前後間距
space_before, space_after = paragraph_format.space_before, paragraph_format.space_after
print('段落前、後間距分別爲:', space_before, ',', space_after)
4. 文字塊 - Run
文字塊 Run 屬於段落的一部分，所以，要獲取文字塊信息，必須先拿到一個段落實例對象
以文字塊基本信息、字體格式信息爲例
1 - 文字塊基本信息
我們使用段落對象的 runs 屬性獲取段落內所有的文字塊對象
def get_runs(paragraph):
"""
獲取段落下所有的文字塊信息，包含：數目、內容列表
:param paragraph:
:return:
"""
# 段落對象包含的文字塊Run
runs = paragraph.runs
# 數量
runs_length = len(runs)
# 文字塊內容
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，使用文字塊對象的 font 屬性可以拿到它的字體屬性
和設置文字塊格式屬性一一對應，字體名稱、大小、顏色、是否加粗、是否斜體等都可以獲取到
# 2、文字塊格式信息
# 包含：字體名稱、大小、顏色、是否加粗等
# 某一個文字塊的字體屬性
run_someone_font = runs[0].font
# 字體名稱
font_name = run_someone_font.name
print('字體名稱:', 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；None/False：沒有加粗
font_bold = run_someone_font.bold
print('是否加粗：', font_bold)
# 是否斜體
# True:協議；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；None/False:字體沒有帶下滑線
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；None/False:字體沒有帶刪除線
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
文檔對象的 tables 屬性可以獲取當前文檔中所有的表格對象
# 文檔中所有的表格對象
tables = self.doc.tables
# 1、表格數量
table_num = len(tables)
print('文檔中包含的表格數量:', table_num)
1 - 表格所有數據
獲取表格中所有數據有 2 種方式
第一種方式：通過遍歷文檔中所有表格，然後按行和單元格進行遍歷，最後通過單元格的 text 屬性獲取所有單元格的文本內容
# 2、讀取所有表格數據
# 所有表格對象
# tables = [table for table in self.doc.tables]
print('內容分別是：')
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象的 _cells 屬性獲取表格中所有的單元格，然後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容
:param table:
:return:
"""
# 所有單元格
cells = table._cells
cell_size = len(cells)
# 所有單元格的內容
content = [cell.text for cell in cells]
return content
2 - 表格樣式
# 3、表格樣式名稱
# Table Grid
table_someone = tables[0]
style = table_someone.style.name
print("表格樣式:", style)
3 - 表格行數量、列數量
table.rows：表格中的行數據迭代對象
table.columns：表格中的列數據迭代對象
def get_table_size(table):
"""
獲取表格的行數量、列數量
:param table:
:return:
"""
# 幾行、幾列
row_length, column_length = len(table.rows), len(table.columns)
return row_length, column_length
4 - 行數據、列數據
有時候，我們需要單獨按照行或者列，獲取全部數據
def get_table_row_datas(table):
"""
獲取表格中行數據
:param table:
:return:
"""
rows = table.rows
datas = []
# 每一行獲取單元格的數據組成列表，加入到結果列表中
for row in rows:
datas.append([cell.text for cell in row.cells])
return datas
def get_table_column_datas(table):
"""
獲取表格中列數據
:param table:
:return:
"""
columns = table.columns
datas = []
# 每一列獲取單元格的數據組成列表，加入到結果列表中
for column in columns:
datas.append([cell.text for cell in column.cells])
return datas
6. 圖片
有時候，我們需要將 Word 文檔中的圖片下載到本地
Word 文檔實際上也是一個壓縮文件，我們使用解壓工具後發現，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，分別是：
-
解壓文檔文件，將對應目錄下的圖片拷貝出來
-
使用 python-docx 內置的方法提取圖片（ 推薦 ）
def get_word_pics(doc, word_path, output_path):
"""
提取word文檔內的圖片
:param word_path:源文件名稱
:param output_path: 結果目錄
: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
newname = word_name.split('\\')[-1] if os.sep in word_name else word_name.split('/')[-1]
img_name = f'{newname}_{img_name}'
# 寫入到文件中
with open(f'{output_path}/{img_name}', "wb") as f:
f.write(rel.target_part.blob)
7. 頁眉頁腳
頁眉和頁腳都是基於章節
我們以某一個章節對象爲例進行說明
# 獲取某一個章節
first_section = self.doc.sections[0]
使用章節對象的 header、footer 屬性可以獲取頁眉、頁腳對象
由於頁眉、頁腳可能包含多個段落 Paragraph，因此，我們可以先使用頁眉頁腳對象的 paragraphs 屬性獲取所有段落，然後遍歷出所有段落的值，最後拼接起來就是頁眉頁腳的全部內容
# 注意：頁眉、頁腳都有可能包含多個段落
# 頁眉所有的段落
header_content = " ".join([paragraph.text for paragraph in first_section.header.paragraphs])
print("頁眉內容:", header_content)
# 頁腳
footer_content = " ".join([paragraph.text for paragraph in first_section.footer.paragraphs])
print("頁腳內容:", footer_content)
8. 最後
本篇文章和上一篇文章，分別對 Word 文檔的讀寫進行了一次全面講解
文中全部源碼我已經上傳到後臺，關注公衆號「 AirPython 」，回覆「 word 」即可獲得全部源碼
如果你覺得文章還不錯，請大家 點贊、分享、留言下，因爲這將是我持續輸出更多優質文章的最強動力！
推薦閱讀
最全總結 | 聊聊 Python 辦公自動化之 Excel（上）
最全總結 | 聊聊 Python 辦公自動化之 Excel（中）