前两天有个朋友向我求助,她在写毕业论文时,不小心将论文里的中文双引号替换为英文的了,各种原因导致无法回退,8万多字的论文,眼看就要交了,该怎么办? <!--more--> 首先想到 word 自身的替换功能,倒是能查到,但是没法动态替换,即只替换两边引号,而不换中间内容; 另外一种方案是,即用 VBA,通过编程来替换,虽说做过几个项目,可好久不用,拾起费劲,再加上 VBA 中各种概念和用法,学习成本太高,放弃; 还有一种方案,即用 Python 操作 word,首先对 Python 更熟悉,另外一定有别人造好的轮子。果然,没用多久找到了 python-docx Python 库,文档齐全,功能强大,用来解决替换问题不在话下。 开始之前,先简单了解下 python-docx ## python-docx 介绍 python-docx 是用于创建可修改 微软 Word 的一个 python 库,提供全套的 Word 操作,是最常用的 Word 工具 ### 概念 使用前,先了解几个概念: - `Document`: 是一个 Word 文档 对象,不同于 VBA 中 Worksheet 的概念,Document 是独立的,打开不同的 Word 文档,就会有不同的 Document 对象,相互之间没有影响 - `Paragraph`: 是段落,一个 Word 文档由多个段落组成,当在文档中输入一个回车键,就会成为新的段落,输入 shift + 回车,不会分段 - `Run` 表示一个节段,每个段落由多个 节段 组成,一个段落中具有相同样式的连续文本,组成一个节段,所以一个 段落 对象有个 Run 列表 例如有一个 Word,内容是: ![word 文档内容](http://www.justdopython.com/assets/images/2020/pythondocx/word1.png) 则 结构这样划分: ![word 结构](http://www.justdopython.com/assets/images/2020/pythondocx/word2.png) 第二个 段落(paragraph),没有内容,所以 节段(run)为空 ### 安装 可以用 pip 来安装: ```bash pip install python-docx ``` 命令行中运行下面语句,如果没有报错,则说明安装成功 ```bash $ python -c 'import docx' ``` ### 小试牛刀 python-docx 安装后,测试一下: ```python from docx import Document document = Document() paragraph = document.add_paragraph('Lorem ipsum dolor sit amet.') prior_paragraph = paragraph.insert_paragraph_before('Lorem ipsum') document.save(r"D:\test.docx") ``` - 引入 Document 类 - 定义一个新文档对象 document - 想文档中插入一个段落(paragraph) - 再在这个段落(paragraph)前插入另一个段落 - 最后调用文档对象 document 的 save 保存文档 用 Word 打开保存的 test.docx 就可以看到: ![创建的wordwend](http://www.justdopython.com/assets/images/2020/pythondocx/word3.png) ## 问题分析与解决 了解了 python-docx 的基本概念,开始着手解决问题,大体思路是: 1. 读取文档内容 2. 查找 英文引号 之间的内容 3. 将找到的内容的 英文引号 换成 中文引号,并将内容替换回去 4. 完成处理后将文档另存 ### 查找目标 首先要解决的是如何找到 英文引号之间的内容? 例如文档内容有这么一段: ```txt ... 对"基于需求的教育资源配 置系统观"的研究,尤其是对"以学习者为中心"和从"个性化学习"、"精准教学"视角出发的 教育资源配置问题提供了理论"支持\\以及"方向指导 ... ``` 对于英文引号来说不区分前引号和后引号,怎么能保证配置到的不会是 `"和从"`、`"、"` 以及 `"以学习者为中心"和从"个性化学习"、"精准教学"` 或者 不会忽略两个引号出现在上下行的情况? 重温正则表达式,终于得到如下表达式: ```python '"(?:[^"])*"' ``` - `?:`:为了取消圆括号模式配置过程的缓存,即不需要遇到一个符合的就结束匹配 - `[^"]`:表示匹配的内容不能是 `"`,以避免贪婪匹配,即避免匹配成 从第一个 `"` 开始一直到最后一个 `"`结束 - 整体的意思是 配置两个 `"` 之间的内容,且内容中不包括 `"` 后来整理过程中,还发现另一种写法: ```python '".*?"' ``` 不过 `.` 不能匹配换行符`\n`,坚持要用,需要使用 `可选修饰符` `re.S`: ```python import re pattern = re.compile('".*?"', re.S) re.findAll(pattern, text) # text 为待查找字符串 ``` - 引入 正则表达式模块 `re` - `re.S` 为可选标识修饰符,使 . 匹配包括换行在内的所有字符 - 利用 `findAll` 查找所有匹配内容 > 关于 Python 正在表达式的更多用法参考文后参考链接 ### 实现 查找问题解决了,做替换就方便多了: ```python from docx import Document import re doc = Document(r"D:\论文.docx") restr = '"(?:[^"])*"' for p in doc.paragraphs: matchRet = re.findall(restr, p.text) for r in matchRet: p.text = p.text.replace(r, '“' + r[1:-1] + '”') doc.save(r'D:\论文_修正.docx') ``` - 引入 Document 类,和正则表达式模块 - 打开目标文档,字符串前的 `r` 表示取消字符串转义,即按原始字符产来解释 - 循环文档的 段落(paragraph),对每个段落,用正则表达式进行匹配 - 循环对于匹配到的结果,将前后引号,换成中文引号,并替换 段落(paragraph)的 `text`;其中 `r[1:-1]` 表示截取从第二个位置(第一个位置是 0)到倒数第二个位置截取字符串,刚好去掉前后引号 - 最后另存文档 > 注意:python-docx 保存文档时不会给出任何提示,会瞬间完成,所以另存是个稳妥的做法 完工,赶紧将替换好的文档发过去…… 还没来得回味,她说:“非常感谢!那个~ 能不能再帮我生成个图表目录,这个必须要……” 好吧,能者多劳(神器在手),干就完了…… ## 强大的 python-docx 在上面小试牛刀中,介绍了插入段落(paragraph)的用法,下面在介绍一些 python-docx 的其他功能 > 为了简洁,下面例子中省略了 Document 类的引入和实例化代码,document 为 Document 的实例 ### 添加标题 默认情况下添加的标题是最高一级的,即一级标题,通过参数 `level` 设定,范围是 1 ~ 9,也有 0 级别,表示的是段落标题: ```python # 添加一级标题 document.add_heading('我是一级标题') decument.add_heading('我是二级标题', level=2) decument.add_heading('我是段落标题', level=0) ``` ### 添加换页 如果一个段落不满一页,需要分页时,可以插入一个分页符,直接调用会将分页符插入到最后一个段落之后: ```python # 文档最后插入分页 document.add_page_break() # 特定段落分页 from docx.enum.text import WD_BREAK paragraph = document.add_paragraph("独占一页") # 添加一个段落 paragraph.runs[-1].add_break(WD_BREAK.PAGE) # 在段落的最后一个节段后添加分页 ``` ### 表格操作 Word 文档中经常会用到表格,python-docx 如何添加和操作表格呢? ```python # 添加一个 2×2 表格 table = document.add_table(rows=2, cols=2) # 获取第一行第二列单元格 cell = table.cell(0, 1) # 设置单元格文本 cell.text = '我是单元格文字' # 表格的行 row = table.rows[1] row.cells[0].text = 'Foo bar to you.' row.cells[1].text = 'And a hearty foo bar to you too sir!' # 增加行 row = table.add_row() ``` 更复杂点的例子: ```python # 表格数据 items = ( (7, '1024', '手机'), (3, '2042', '笔记本'), (1, '1288', '台式机'), ) # 添加一个表格 table = document.add_table(1, 3) # 设置表格标题 heading_cells = table.rows[0].cells heading_cells[0].text = '数量' heading_cells[1].text = '编码' heading_cells[2].text = '描述' # 将数据填入表格 for item in items: cells = table.add_row().cells cells[0].text = str(item[0]) cells[1].text = item[1] cells[2].text = item[2] ``` ### 添加图片 添加图片,即,为 Word 里 菜单中 插入 > 图片 插入的功能,插入图片为原始大小: ```python document.add_picture('image-filename.png') ``` 插入时设置图片大小: ```python from docx.shared import Cm # 设置图片的跨度为 10 厘米 document.add_picture('image-filename.png', width=Cm(10)) ``` > 除了厘米,python-docx 还提供了 英寸(Inches),如设置 1英寸: `Inches(1.0)` ### 样式 样式可以针对整体文档(document)、段落(paragraph)、节段(run),月具体,样式优先级越高 python-docx 样式功能配置多样,功能丰富,这里对段落样式和文字样式做简单介绍 #### 段落样式 段落样式包括:对齐、列表样式、行间距、缩进、背景色等,可以在添加段落时设定,也可以在添加之后设置: ```python # 添加一个段落,设置为无序列表样式 document.add_paragraph('我是个无序列表段落', style='List Bullet') # 添加段落后,通过 style 属性设置样式 paragraph = document.add_paragraph('我也是个无序列表段落') paragraph.style = 'List Bullet' ``` #### 文字样式 在前面 python-docx 文档结构图可以看到,段落中,不同样式的内容,被划分成多个 节段(Run),文字样式是通过 节段(Run)来设置的 ##### 设置加粗/斜体 ```python paragraph = document.add_paragraph('添加一个段落') # 设置 节段文字为加粗 run = paragraph.add_run('添加一个节段') run.bold = True # 设置 节段文字为斜体 run = paragraph.add_run('我是斜体的') run.italic = True ``` ##### 设置字体 设置字体稍微复杂些,例如设置一段文字为 `宋体`: ```python paragraph = document.add_paragraph('我的字体是 宋体') run = paragraph.runs[0] run.font.name = '宋体' run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体') ``` ## 总结 python-docx 是个功能强大的 Word 库,能实现几乎所有在 Word 中操作,今天通过一个实例,介绍了 python-docx 的一些基本用法,限于篇幅,没法展开讨论更多内容,如果有兴趣可以深入研究,说不定可以让 Word 像 Markdown 一样简单。 ## 参考 -[python-docx 文档: https://python-docx.readthedocs.io/en/latest/](https://python-docx.readthedocs.io/en/latest/) -[正则表达式: https://www.runoob.com/python/python-reg-expressions.html](https://www.runoob.com/python/python-reg-expressions.html) -[https://www.cnblogs.com/nixindecat/p/12157623.html](https://www.cnblogs.com/nixindecat/p/12157623.html) > 示例代码:<https://github.com/JustDoPython/python-100-day/tree/master/pythondocx> <center><font color='green'><b>▼我的微信,期待与你链接▼</b></font></center> ![图片](https://i-xue-cn.pek3b.qingstor.com/6df71019.png)