python-docx - 替换字符答案

【问题标题】：python-docx - replacing characterspython-docx - 替换字符
【发布时间】：2016-06-29 22:32:45
【问题描述】：

我正在尝试构建一个小程序，在其中我打开一个 docx 文档并用其他人替换字符，在检查文档后进行一些老式的凯撒式加密：[https://python-docx.readthedocs.io]恐怕我可以'找不到对象方法和属性，文档只是解释了如何做某些事情，比如创建段落和部分，但我在检索文档数据和解析方面找不到任何东西。我想在文档中找到一个对象列表，以便我可以解析它们。

我想做这样的事情：

from docx import Document
document = Document('essay.docx')

paragraph = []
for i in document:
    paragraph.append(i)

for i in paragraph:
    for y in i:
        y.replace("a", "y")

...

python-docx 可以做这样的事情吗？如果是这样，我在哪里可以找到可以告诉我如何操作的文档？

如果我使用了不正确的库，如果您能指出，我也将不胜感激。

【问题讨论】：

标签： python text docx python-docx

【解决方案1】：

API 文档在您链接到的页面上编入索引（即显示其目录）并描述所有对象和方法。 https://python-docx.readthedocs.io/en/latest/#api-documentation

【讨论】：

是的，我也阅读了这些页面，我找到了诸如“add_paragraph()”和“add_run()”之类的方法，但我找不到诸如“get_paragraph()”之类的方法。我需要让对象解析并修改以创建一个新文件。也许这个库只适用于创建 docx 文档，而不适用于从中检索数据？
查看 Document 对象。我想你正在寻找Document.paragraphs。
这似乎太难回答了，但您实际上可以解压缩 Word 文档，它会返回一个包含未格式化文本的文本文档。我对这个库不熟悉，但如果情况更糟，你可以使用一个实用程序来解压缩它，然后阅读文本，删除不需要的部分，然后使用这个库来构建你想要的文档。

【解决方案2】：

我想我发现了一些有用的东西，以防未来的读者可能感兴趣。 python-docx 的问题是我可以单独获取段落，这需要很多时间。我什至不知道标题、页脚和页眉算不算段落。

但是有一个名为 textract 的库可以读取 docx 和其他文件，它与 python-docx 集成，或者至少这是简短文档所说的。但我能做的是将我的 docx 文件保存为 PDF 并使用：

text = textract.process(
    'path/to/norwegian.pdf',
    method='pdftofile',
    language='nor',
)

这使您可以将所有文本作为字符串保存并保留 pdf 的布局。还没有测试，如果它没有按预期工作，将编辑这篇文章。

http://textract.readthedocs.io/en/latest/python_package.html#python-package

【讨论】：