怎么建立自己的公司网站,网站项目开发流程有哪七步,桂林市教科所,如何设计网站建设引导页前言
大家早好、午好、晚好吖 ❤ ~欢迎光临本文章 话不多说#xff0c;直接开搞#xff0c;如果有什么疑惑/资料需要的可以点击文章末尾名片领取源码
一.docx模块
Python可以利用python-docx模块处理word文档#xff0c;处理方式是面向对象的。
也就是说python-docx模块…前言
大家早好、午好、晚好吖 ❤ ~欢迎光临本文章 话不多说直接开搞如果有什么疑惑/资料需要的可以点击文章末尾名片领取源码
一.docx模块
Python可以利用python-docx模块处理word文档处理方式是面向对象的。
也就是说python-docx模块会把word文档文档中的段落、文本、字体等都看做对象
对对象进行处理就是对word文档的内容处理。
二.相关概念
如果需要读取word文档中的文字一般来说程序也只需要认识word文档中的文字信息
需要先了解python-docx模块的几个概念。 Document对象表示一个word文档。 Paragraph对象表示word文档中的一个段落 Paragraph对象的text属性表示段落中的文本内容。
三.模块的安装和导入
需要注意python-docx模块安装需要在cmd命令行中输入pip install python-docx
最后那句英文Successfully installed成功地安装完成
注意在导入模块时用的是import docx。
四.读取word文本
在了解了上面的信息之后就很简单了下面先创建一个D:\temp\word.docx文件并在其中输入如下内容。
import docxfiledocx.Document(rF:\python从入门到放弃\7\2\wenjian.docx)print(段落:str(len(file.paragraphs)))
#
# for para in file.paragraphs:
# print(para.text)for i in range(len(file.paragraphs)): print(第str(i)段的内容是file.paragraphs[i].text) import sysfrom docx import Document
from docx.shared import Inchesdef main():
# reload(sys)
# sys.setdefaultencoding(utf-8)# 创建文档对象document Document()# 设置文档标题中文要用unicode字符串document.add_heading(u我的一个新文档,0)# 往文档中添加段落p document.add_paragraph(This is a paragraph having some )p.add_run(bold ).bold Truep.add_run(and some )p.add_run(italic.).italic True# 添加一级标题document.add_heading(u一级标题, level 1,level 1)document.add_paragraph(Intense quote,style IntenseQuote)# 添加无序列表document.add_paragraph(first item in unordered list,style ListBullet)# 添加有序列表document.add_paragraph(first item in ordered list,style ListNumber)document.add_paragraph(second item in ordered list,style ListNumber)document.add_paragraph(third item in ordered list,style ListNumber)# 添加图片并指定宽度document.add_picture(cat.png,width Inches(2.25))# 添加表格: 1行3列table document.add_table(rows 1,cols 3)# 获取第一行的单元格列表对象hdr_cells table.rows[0].cells# 为每一个单元格赋值# 注值都要为字符串类型hdr_cells[0].text Namehdr_cells[1].text Agehdr_cells[2].text Tel# 为表格添加一行new_cells table.add_row().cellsnew_cells[0].text Tomnew_cells[1].text 19new_cells[2].text 12345678# 添加分页符document.add_page_break()# 往新的一页中添加段落p document.add_paragraph(This is a paragraph in new page.)# 保存文档document.save(demo1.doc)if __name__ __main__:main()读取表格
import docxdoc docx.Document(wenjian.docx)
for table in doc.tables: # 遍历所有表格print(----table------)for row in table.rows: # 遍历表格的所有行# row_str \t.join([cell.text for cell in row.cells]) # 一行数据# print row_strfor cell in row.cells:print(cell.text, \t,)print() #换行首先是用docx.Document打开对应的文件目录。
docx文件的结构比较复杂分为三层 Docment对象表示整个文档 Docment包含了Paragraph对象的列表Paragraph对象用来表示文档中的段落 一个Paragraph对象包含Run对象的列表。
因此p.text会打印出整个的文本文档。
而用doc.tables来遍历所有的表格。
并且对每个表格通过遍历行列的方式来得到所有的内容。
但是在运行结果中并没有找到我们插入的文件对象和图片text.txt文档。
这部分该如何解析呢
首先我们需要先来认识下docx文档的格式组成 docx是Microsoft Office2007之后版本使用的 用新的基于XML的压缩文件格式取代了其目前专有的默认文件格式 在传统的文件名扩展名后面添加了字母“x”即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”。 docx格式的文件本质上是一个ZIP文件。 将一个docx文件的后缀改为ZIP后是可以用解压工具打开或是解压的。 事实上Word2007的基本文件就是ZIP格式的他可以算作是docx文件的容器。 docx 格式文件的主要内容是保存为XML格式的但文件并非直接保存于磁盘。 它是保存在一个ZIP文件中然后取扩展名为docx。 将.docx 格式的文件后缀改为ZIP后解压, 可以看到解压出来的文件夹中有word这样一个文件夹它包含了Word文档的大部分内容。 而其中的document.xml文件则包含了文档的主要文本内容
从上面的文档我们可以了解到docx文档实际上是由XML文档打包组成的。
那么我们要得到其中所有的部分可以用ZIP解压的方式来得到所有的部件。
我们先试下看是否可以
1 将docx文档改成ZIP的后缀
2 解压文件
解压之后得到如下几个文件 点开word文件夹有如下的文件夹。
( document.xml就是描述文本对象的文件 ) 其中embeddings文件中就是我们插入的文本对象text.txt. 是一个bin文件 Media文件中就是存储的图片 我们通过手动的方式将插入的文本以及图片解析出来那么通过代码也是同样可以解析的。
代码如下:
os.chdir(rE:\py_prj) #首先改变目录到文件的目录os.rename(test.docx,test.ZIP) # 重命名为zip文件fzipfile.ZipFile(test.zip,r) #进行解压for file in f.namelist():f.extract(file)fileopen(rE:\py_prj\word\embeddings\oleObject1.bin,rb).read() #进入文件路径读取二进制文件。for f in file:print (f)通过上面的方式就可以将docx中插入的文件以及图片全部解析出来。
具体docx的写的方式可以参考官方文档的介绍
尾语
好了今天的分享就差不多到这里了
文章提供的十二道编程题大家都可以自己研究研究有不理解的地方也是可以点击文章名片领取解答和大量的学习资料以及部分案例的源码哦
对下一篇大家想看什么可在评论区留言哦看到我会更新哒(ง •_•)ง
喜欢就关注一下博主或点赞收藏评论一下我的文章叭 最后宣传一下呀~更多源码、资料、素材、解答、交流皆点击下方名片获取呀
