使用PYTHON编辑和读取WORD文档

python调用word接口主要用到的模板为python-docx，基本操作官方文档有说明。

使用python新建一个word文档，操作就像文档里介绍的那样：

 1 from docx import Document
 2 from docx.shared import Inches
 3 
 4 document = Document()
 5 
 6 document.add_heading(\'Document Title\', 0)  #插入标题
 7 
 8 p = document.add_paragraph(\'A plain paragraph having some \')   #插入段落
 9 p.add_run(\'bold\').bold = True
10 p.add_run(\' and some \')
11 p.add_run(\'italic.\').italic = True
12 
13 document.add_heading(\'Heading, level 1\', level=1)
14 document.add_paragraph(\'Intense quote\', style=\'IntenseQuote\')
15 
16 document.add_paragraph(
17     \'first item in unordered list\', style=\'ListBullet\'
18 )
19 document.add_paragraph(
20     \'first item in ordered list\', style=\'ListNumber\'
21 )
22 
23 document.add_picture(\'monty-truth.png\', width=Inches(1.25)) #插入图片
24 
25 table = document.add_table(rows=1, cols=3) #插入表格
26 hdr_cells = table.rows[0].cells
27 hdr_cells[0].text = \'Qty\'
28 hdr_cells[1].text = \'Id\'
29 hdr_cells[2].text = \'Desc\'
30 for item in recordset:
31     row_cells = table.add_row().cells
32     row_cells[0].text = str(item.qty)
33     row_cells[1].text = str(item.id)
34     row_cells[2].text = item.desc
35 
36 document.add_page_break()
37 
38 document.save(\'demo.docx\')  #保存文档

读取和编辑一个已有的word文档，只需在一开始添加上文件路径就行了，如下：

 1 from docx import Document
 2 from docx.shared import Inches
 3 
 4 document = Document(\'demo.docx\')  #打开文件demo.docx
 5 for paragraph in document.paragraphs:
 6     print(paragraph.text)  #打印各段落内容文本
 7 
 8 document.add_paragraph(
 9     \'Add new paragraph\', style=\'ListNumber\'
10 )    #添加新段落
11 
12 document.save(\'demo.docx\') #保存文档

如果是想读取其中的图片或是更复杂地编辑，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。

word目录下：

document.xml文件内容：

media目录下存放word文档中插入的图片：

所以，我们可以使用手工的方法编辑文件document.xml来对该word文档内容进行编辑，或是提取文档media中图片文件的方式来提取该word文档中所插入的所有图片。

1 import zipfile
2 
3 f=zipfile.ZipFile(\'demo.docx\',\'r\') 
4 
5 for filename in f.namelist():
6     f.extract(filename)