本文目录一览：
python合并word
合并多个 word文件到 一个文件 中，用于文件的批量打印。
要求：
采用 python 实现，使用python中的 python-docx 和 docxcompose 结合的方式来实现此功能。
优点：
缺点：
只支持docx 文件的合并， 不支持doc文件 。如想通过此模式合并doc文件，需将doc文档转换为docx文档。
将一个文件夹中的所有文件，都合并到一个文档中。
要求每个文档，都从一个新页面开始，因此需在除第一个文档的每个文档前面加上 分页符 ，所以单独定义了一个只包含分页符的文档 page_break_doc 。
部分情况下会出现问题，如文档当前已经到 最后一行 了，新加的分页符会导致生成一页空白的文件， 此种情况，后续更新此文章时解决 。
定义目标文档，初始化时，采用 target_doc = Document(source_file_path_list[0]) 的方式，以第一个要拼接的文档作为初始文档。
主要是因为，如果创建的空的文档 target_doc = Document() ，新生成的文档中 自带的文档样式 （如标题样式、正文样式等） 将会影响新拼接的文档中的采用了默认样式的内容 ，故模板文档从第一个文档中进行加载默认样式，避免了这种情况。
这也是网上大多数采用此种方式合并word，样式发生变更的原因 ，需注意此问题。
同时需注意，如果拼接的文档中，存在默认格式不一样，并且未为段落、文字指定单独样式的情况时，需检查，第一个文件作为模板加载的默认样式， 是否会影响后续的其他文件合并后的默认样式 。
200个文件合并，耗时10秒左右。速度非常快
python脚本的程序，其他程序可以直接通过 命令行的形式调用 ，或者python提供http接口，程序通过 http接口调用 。
切记通过http接口调用其他程序是，需设置好调用超时时间，防止无限等待请求结果，导致负载均衡时，大量请求超时而导致的程序整体不再分发请求。
Python Word文档处理 上篇：python-docx
某天我收到一个需求：希望能够用python对word文档进行一些处理，比如更换一些文字以及添加批注。
简单搜索后，我发现 python-docx 是一个处理docx文档的常用python库，因此我打算用它来进行进一步开发。
官方文档 提供了一个简单的示例
python-docx 将文档抽象为document对象、paragraph对象以及run对象，提供了围绕这些对象进行简单处理的API
然而在文档中并没有出现关于批注操作的部分，我在搜寻 一些文章 后发现了在某个 issue 中提及了添加批注相关信息，然而还是没有得到具体的解决办法
docx文档底层是由XML文件组成的
我们可以将一个 xx.docx 文件的后缀名改为 .rar 然后将其手动解压，可以得到下面这些文件
在诸多文件当中主要用到的是 document.xml 文件，这里保存了文档的内容
打开一份 document.xml 文件，抛开header、footer、table以及其他特殊项，去掉样式等修饰项，一份朴素的docx文档主要可以分为三个部分：paragraph、run、text
paragraph即段落，就是我们在word当中看到的一段。text即文本，就是真实的内容。run比较抽象，我们可以将其理解为片段，即语句的切分。
为了更好地理解run是什么，打开一篇word文档定位其中一句话
让我们看看这篇文档解压之后的 document.xml 文件中对应的部分
OK，我们可以看到原本完整的一句话在word中被拆分成了许多个 w:r 标签，这就是 run ，word切分 run 的规则很多，有的根据标点符号，有的根据中文分词，句子中如果存在不同样式的字词也会单独切分出来，因此我们很难预估一句话究竟会被分成几个片段。
在issue中搜索comment关键字发现在一个 merge request 上已经给出了添加批注的解决方案，可以通过 paragraph 对象上的 add_comment 方法给一个段落添加批注
但这还是不符合我的需求，我的目标是精准添加到某个词或者短语上
打开 这个贡献者的源码 进行研究
其实就是在P标签内插入comment标签引用，同时添加comment标签到xx文件
同理我们可以在r标签内插入comment标签引用，同时添加comment标签到xx文件，这样就能实现给特定词添加批注的需求了
python docx 使用总结
本文将总结之前在使用 python-docx 包处理 word 文档时的一些理解与经验。
安装
引入
python-docx 将整个文章看做是一个 Document 对象 官方文档 – Document ，其基本结构如下：
在 python-docx 中， run 是最基本的单位，每个 run 对象内的文本样式都是一致的，也就是说，在从 docx 文件生成文档对象时， python-docx 会根据样式的变化来将文本切分为一个个的 Run 对象。
你也可以通过它来处理表格 官方文档 – 表格 ，基本结构如下：
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/183132.html
微信扫一扫 
支付宝扫一扫 