1. 读取 docx 所需库

自动生成《背影》word 文档，以及自动生成日期的脚本代码已经完成。

 

本文的主要内容，是自动的读取 word 文档的内容，将 word 中的表格、段落文字，以及图片全部读取出来。

 

这里需要用到的库，是前面用到的 python-docx 库，以及额外的一个 docx2python。

 

安装命令：

pip install python-docx docx2python
2. 段落的输出

安装好之后，先使用 python-docx 库，读取 word 文件的段落内容，如下代码：

from docx import Document

document = Document('背影-read.docx')
for paragraph in document.paragraphs:
	print(paragraph.text)

这段代码，就是针对 document 文档的段落进行并输出，就是文档的全部文字内容，没有任何的格式。

3. 表格的输出

然后是表格的输出，如下代码：

tables = document.tables
for table in tables:
	rows = table.rows
for i in range(0, len(rows)):
for cell in table.row_cells(i):
			print(cell.text, end='  ')
		print('\n')

详细的代码介绍：

  • document.tables 是获取文档的全部表格，然后进入第一个 for 循环，逐个表格取出并处理
  • table.rows 是获取行对象，使用len()函数，就可以取到行数
  • 然后循环，从 0 取到最后一行
  • 使用 table.row_cells(i) 获取当前行的所有 cell 单元格，使用 for 循环获取每个 cell
  • 然后输出所有 cell 单元格的文本内容，并且换行是空字符串，这是为了将每行的内容，输出时也是一样
  • 然后在一行输出结束时，加换行，将每行内容都分开

 

以上是表格的代码部分，如下输出结果：

 

 

读取 Word 文档内容_word

 

4. 图片的获取和保存

最后一个是读取图片，由于在命令行中，无法输出图片，所以这里的操作，是将所有的图片保存到word文档旁边，如下代码：

from docx2python import docx2python

document2 = docx2python('背影-read.docx')
for name, imageData in document2.images.items():
with open(name, 'wb') as fp:
		fp.write(imageData)

这里使用的是 docx2python 库，这个属于一个 docx 的拓展库。

 

打开文件，读取文档的全部图片名和字节，然后保存即可，如下效果：

 

读取 Word 文档内容_word_02image1.jpg 就是从 docx 中读取出来的图片文件。

背景-read.docx 是目标文档。