作者：星安果 

來源：AirPython（公眾號）

上一篇文章，對 Word 寫入數(shù)據(jù)的一些常見操作進行了總結(jié)，詳情請看聊聊python 辦公自動化之 Word（上）。相比寫入數(shù)據(jù)，讀取數(shù)據(jù)同樣很實用！本篇文章，將談?wù)勅绾稳孀x取一個 Word 文檔中的數(shù)據(jù)，并會指出一些要注意的點。

基本信息

我們同樣使用 python-docx 這個依賴庫來對 Word 文檔進行讀取。首先我們來讀取文檔的基本信息，它們分別是：章節(jié)、頁邊距、頁眉頁腳邊距、頁面寬高、頁面方向等。

在獲取文檔基礎(chǔ)信息之前，我們通過文檔路徑構(gòu)建一個文檔對象 Document。

from docx import Document
# 源文件目錄
self.word_path = './output.docx'
# 打開文檔，構(gòu)建一個文檔對象
self.doc = Document(self.word_path)

1 - 章節(jié)（ Section ）

# 1、獲取章節(jié)信息
# 注意：章節(jié)可以設(shè)置本頁的大小、頁眉、頁腳
msg_sections = self.doc.sections
print("章節(jié)列表：", msg_sections)
# 章節(jié)數(shù)目
print('章節(jié)數(shù)目:', len(msg_sections))

2 - 頁邊距（ Page Margin ）

通過章節(jié)對象的 left_margin、top_margin、right_margin、bottom_margin 屬性值可以獲取當(dāng)前章節(jié)的左邊距、上邊距、右邊距、下邊距

def get_page_margin(section):
    """
    獲取某個頁面的頁邊距(EMU)
    :param section:
    :return:
    """
    # 分別對應(yīng)：左邊距、上邊距、右邊距、下邊距
    left, top, right, bottom = section.left_margin, section.top_margin, section.right_margin, section.bottom_margin
    return left, top, right, bottom
# 2、頁邊距信息
first_section = msg_sections[0]
left, top, right, bottom = get_page_margin(first_section)
print('左邊距:', left, ",上邊距：", top, ",右邊距：", right, "，下邊距：", bottom)

返回值的單位是 EMU，和厘米、英尺的轉(zhuǎn)換關(guān)系如下：

3 - 頁眉頁腳邊距

頁眉邊距：header_distance

頁腳邊距：footer_distance

def get_header_footer_distance(section):
    """
    獲取頁眉、頁腳邊距
    :param section:
    :return:
    """
    # 分別對應(yīng)頁眉邊距、頁腳邊距
    header_distance, footer_distance = section.header_distance, section.footer_distance
    return header_distance, footer_distance
# 3、頁眉頁腳邊距
header_distance, footer_distance = get_header_footer_distance(first_section)
print('頁眉邊距:', header_distance, "，頁腳邊距:", footer_distance)

4 - 頁面寬度和高度

頁面寬度：page_width

頁面高度：page_height

def get_page_size(section):
    """
    獲取頁面寬度、高度
    :param section:
    :return:
    """
    # 分別對應(yīng)頁面寬度、高度
    page_width, page_height = section.page_width, section.page_height
    return page_width, page_height
# 4、頁面寬度、高度
page_width, page_height = get_page_size(first_section)
print('頁面寬度:', page_width, "，頁面高度:", page_height)

5 - 頁面方向（ Page Orientation ）

頁面方向分為：橫向和縱向

使用章節(jié)對象的 orientation 屬性去獲取一個章節(jié)的頁面方向

def get_page_orientation(section):
    """
    獲取頁面方向
    :param section:
    :return:
    """
    return section.orientation
# 5、頁面方向
# 類型：class 'docx.enum.base.EnumValue
# 包含：PORTRAIT (0)、LANDSCAPE (1)
page_orientation = get_page_orientation(first_section)
print("頁面方向:", page_orientation)

同樣，可以直接使用這個屬性設(shè)置一個章節(jié)的方向

from docx.enum.section import WD_ORIENT
# 設(shè)置頁面方向（橫向、豎向）
# 設(shè)置為橫向
first_section.orientation = WD_ORIENT.LANDSCAPE
# 設(shè)置為豎向
# first_section.orientation = WD_ORIENT.PORTRAIT
self.doc.save(self.word_path)

段落

使用文檔對象的 paragraphs 屬性可以獲取文檔中所有的段落

注意：這里獲取的段落不包含頁眉、頁腳、表格中的段落

# 獲取文檔對象中所有的段落，默認不包含：頁眉、頁腳、表格中的段落
paragraphs = self.doc.paragraphs
# 1、段落數(shù)目
paragraphs_length = len(paragraphs)
print('文檔中一共包含：{}個段落'.format(paragraphs_length))

1 - 段落內(nèi)容

我們可以遍歷文檔中所有的段落列表，通過段落對象的 text 屬性，獲取全部的段落內(nèi)容

# 0、讀取所有段落數(shù)據(jù)
contents = [paragraph.text for paragraph in self.doc.paragraphs]
print(contents)

2 - 段落格式

通過上一篇文章，我們知道段落也存在格式的

使用 paragraph_format 屬性獲取段落的基本格式信息

包含：對齊方式、左右縮進、行間距、段落前后間距等

# 2、獲取某一個段落的格式信息
paragraph_someone = paragraphs[0]
# 2.1 段落內(nèi)容
content = paragraph_someone.text
print('段落內(nèi)容:', content)
# 2.2 段落格式
paragraph_format = paragraph_someone.paragraph_format
# 2.2.1 對齊方式
# 
alignment = paragraph_format.alignment
print('段落對齊方式：', alignment)
# 2.2.2 左、右縮進
left_indent, right_indent = paragraph_format.left_indent, paragraph_format.right_indent
print('段落左縮進:', left_indent, "，右縮進:", right_indent)
# 2.2.3 首行縮進
first_line_indent = paragraph_format.first_line_indent
print('段落首行縮進:', first_line_indent)
# 2.2.4 行間距
line_spacing = paragraph_format.line_spacing
print('段落行間距:', line_spacing)
# 2.2.5 段落前后間距
space_before, space_after = paragraph_format.space_before, paragraph_format.space_after
print('段落前、后間距分別為:', space_before, ',', space_after)

文字塊 - Run

文字塊 Run 屬于段落的一部分，所以，要獲取文字塊信息，必須先拿到一個段落實例對象

以文字塊基本信息、字體格式信息為例

1 - 文字塊基本信息

我們使用段落對象的 runs 屬性獲取段落內(nèi)所有的文字塊對象

def get_runs(paragraph):
    """
    獲取段落下所有的文字塊信息，包含：數(shù)目、內(nèi)容列表
    :param paragraph:
    :return:
    """
    # 段落對象包含的文字塊Run
    runs = paragraph.runs
    # 數(shù)量
    runs_length = len(runs)
    # 文字塊內(nèi)容
    runs_contents = [run.text for run in runs]
    return runs, runs_length, runs_contents

2 - 文字塊格式信息

文字塊是文檔中最小的文字單元，使用文字塊對象的 font 屬性可以拿到它的字體屬性

和設(shè)置文字塊格式屬性一一對應(yīng)，字體名稱、大小、顏色、是否加粗、是否斜體等都可以獲取到

# 2、文字塊格式信息
# 包含：字體名稱、大小、顏色、是否加粗等
# 某一個文字塊的字體屬性
run_someone_font = runs[0].font
# 字體名稱
font_name = run_someone_font.name
print('字體名稱:', font_name)
# 字體顏色(RGB)
# 
font_color = run_someone_font.color.rgb
print('字體顏色:', font_color)
print(type(font_color))
# 字體大小
font_size = run_someone_font.size
print('字體大小:', font_size)
# 是否加粗
# True:加粗；None/False：沒有加粗
font_bold = run_someone_font.bold
print('是否加粗：', font_bold)
# 是否斜體
# True:協(xié)議；None/False：不是斜體
font_italic = run_someone_font.italic
print('是否斜體:', font_italic)
# 帶下劃線
# True：帶有下滑線；None/False:字體沒有帶下滑線
font_underline = run_someone_font.underline
print('帶有下滑線:', font_underline)
# 刪除線/雙刪除線
# True：帶有刪除線；None/False:字體沒有帶刪除線
font_strike = run_someone_font.strike
font_double_strike = run_someone_font.double_strike
print('帶有刪除線:', font_strike, "n帶有雙刪除線:", font_double_strike)

表格

文檔對象的 tables 屬性可以獲取當(dāng)前文檔中所有的表格對象

# 文檔中所有的表格對象
tables = self.doc.tables
# 1、表格數(shù)量
table_num = len(tables)
print('文檔中包含的表格數(shù)量:', table_num)

1 - 表格所有數(shù)據(jù)

獲取表格中所有數(shù)據(jù)有 2 種方式

第一種方式：通過遍歷文檔中所有表格，然后按行和單元格進行遍歷，最后通過單元格的 text 屬性獲取所有單元格的文本內(nèi)容

# 2、讀取所有表格數(shù)據(jù)
# 所有表格對象
# tables = [table for table in self.doc.tables]
print('內(nèi)容分別是：')
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text, end='  ')
        print()
    print('n')

另外一種方式是使用表格對象的 _cells 屬性獲取表格中所有的單元格，然后遍歷獲取單元格的值

def get_table_cell_content(table):
    """
    讀取表格中所有單元格是內(nèi)容
    :param table:
    :return:
    """
    # 所有單元格
    cells = table._cells
    cell_size = len(cells)
    # 所有單元格的內(nèi)容
    content = [cell.text for cell in cells]
    return content

2 - 表格樣式

# 3、表格樣式名稱
# Table Grid
table_someone = tables[0]
style = table_someone.style.name
print("表格樣式:", style)

3 - 表格行數(shù)量、列數(shù)量

table.rows：表格中的行數(shù)據(jù)迭代對象

table.columns：表格中的列數(shù)據(jù)迭代對象

def get_table_size(table):
    """
    獲取表格的行數(shù)量、列數(shù)量
    :param table:
    :return:
    """
    # 幾行、幾列
    row_length, column_length = len(table.rows), len(table.columns)
    return row_length, column_length

4 - 行數(shù)據(jù)、列數(shù)據(jù)

有時候，我們需要單獨按照行或者列，獲取全部數(shù)據(jù)

def get_table_row_datas(table):
    """
    獲取表格中行數(shù)據(jù)
    :param table:
    :return:
    """
    rows = table.rows
    datas = []
    # 每一行獲取單元格的數(shù)據(jù)組成列表，加入到結(jié)果列表中
    for row in rows:
        datas.append([cell.text for cell in row.cells])
    return datas
def get_table_column_datas(table):
    """
    獲取表格中列數(shù)據(jù)
    :param table:
    :return:
    """
    columns = table.columns
    datas = []
    # 每一列獲取單元格的數(shù)據(jù)組成列表，加入到結(jié)果列表中
    for column in columns:
        datas.append([cell.text for cell in column.cells])
    return datas

圖片

有時候，我們需要將 Word 文檔中的圖片下載到本地，Word 文檔實際上也是一個壓縮文件，我們使用解壓工具后發(fā)現(xiàn)，文檔包含的圖片都放置在/word/media/ 目錄下

提取文檔圖片有 2 種方法，分別是：

• 解壓文檔文件，將對應(yīng)目錄下的圖片拷貝出來
• 使用 python-docx 內(nèi)置的方法提取圖片（ 推薦 ）

def get_word_pics(doc, word_path, output_path):
    """
    提取word文檔內(nèi)的圖片
    :param word_path:源文件名稱
    :param output_path: 結(jié)果目錄
    :return:
    """
    dict_rel = doc.part._rels
    for rel in dict_rel:
        rel = dict_rel[rel]
        if "image" in rel.target_ref:
            # 圖片保存目錄
            if not os.path.exists(output_path):
                os.makedirs(output_path)
            img_name = re.findall("/(.*)", rel.target_ref)[0]
            word_name = os.path.splitext(word_path)[0]
            # 新的名稱
            newname = word_name.split('')[-1] if os.sep in word_name else word_name.split('/')[-1]
            img_name = f'{newname}_{img_name}'
            # 寫入到文件中
            with open(f'{output_path}/{img_name}', "wb") as f:
                f.write(rel.target_part.blob)

頁眉頁腳

頁眉和頁腳都是基于章節(jié)，我們以某一個章節(jié)對象為例進行說明。

# 獲取某一個章節(jié)
first_section = self.doc.sections[0]

使用章節(jié)對象的 header、footer 屬性可以獲取頁眉、頁腳對象。由于頁眉、頁腳可能包含多個段落 Paragraph，因此，我們可以先使用頁眉頁腳對象的 paragraphs 屬性獲取所有段落，然后遍歷出所有段落的值，最后拼接起來就是頁眉頁腳的全部內(nèi)容。

# 注意：頁眉、頁腳都有可能包含多個段落
# 頁眉所有的段落
header_content = " ".join([paragraph.text for paragraph in first_section.header.paragraphs])
print("頁眉內(nèi)容:", header_content)
# 頁腳
footer_content = " ".join([paragraph.text for paragraph in first_section.footer.paragraphs])
print("頁腳內(nèi)容:", footer_content)

——熱門課程推薦：

想學(xué)習(xí)PYTHON數(shù)據(jù)分析與金融數(shù)字化轉(zhuǎn)型精英訓(xùn)練營，您可以點擊>>>“人才轉(zhuǎn)型”了解課程詳情；

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢互聯(lián)網(wǎng)運營，你可以點擊>>>“互聯(lián)網(wǎng)運營就業(yè)班”了解課程詳情； 

想了解更多優(yōu)質(zhì)課程，請點擊>>>