怎么用Python对Word文件内容进行读取(python,Word,开发技术)

利用 python 批量读取文件

word利器之python-docx

python-docx 是用于创建可修改 微软 Word 的一个 python 库，提供全套的 Word 操作，是最常用的 Word 工具。

使用前，先了解几个概念：

• Document：是一个 Word 文档 对象，不同于 VBA 中 Worksheet 的概念，Document 是独立的，打开不同的 Word 文档，就会有不同的 Document 对象，相互之间没有影响

• Paragraph：是段落，一个 Word 文档由多个段落组成，当在文档中输入一个回车键，就会成为新的段落，输入 shift + 回车，不会分段

• Run 表示一个节段，每个段落由多个 节段 组成，一个段落中具有相同样式的连续文本，组成一个节段，所以一个 段落 对象有个 Run 列表。

例如下图的 word 文档示意图：

word 文档结构划分如下：

python-docx 安装

安装：

pip install python-docx 如果安装速度太慢的话，可以换一个国内的源地址（如下）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-docx

导入：

import docx
from docx import …

python-docx 之 Document

导入包与模块：

fromdocximportDocument

使用方法：

Document(word文件地址)

返回值：

word文件对象

python-docx 之段落内容读取

实际上要想读取一个 word 文档，主要就是读取它的段落以及它的表格。无论是段落还是表格，它的内部都是字符串，我们的目的就是读取这些字符串的内容。

先看一下段落内容的读取方式：

来源：

document_obj.paragraphs 通过 document 对象的 paragraphs 函数返回一个段落的列表；如果 word 文件存在多个段落，就会有多个段落对象。

使用方法：

通过循环获取每个段落对象，并调用 text

演示案例脚本如下：

#coding:utf-8importosfromdocximportDocumentpath=os.path.join(os.getcwd(),'test_file/文本.docx')print("\'文本.docx\'的路径为：",path)#调试路径doc=Document(path)forpindoc.paragraphs:print(p.text)

运行结果如下：（PS：文本只是演示，本人非培训机构的！）

python-docx 之表格内容读取

接下来我们看一下如何读取 word 文件中的表格内容：

来源：

document_obj.tables 通过 document 对象的 paragraphs 函数返回一个表格的列表；里面是一个一个的表格的对象。

使用方法：

同样通过循环，获取行与列的内容

返回值：

每个表格字段（字符串）

演示案例代码如下：

#coding:utf-8importosfromdocximportDocumentpath=os.path.join(os.getcwd(),'test_file/文本.docx')print("\'文本.docx\'的路径为：",path)#调试路径doc=Document(path)#forpindoc.paragraphs:#print(p.text)fortindoc.tables:#for循环获取表格对象forrowint.rows:#获取每一行row_str=[]forcellinrow.cells:#获取每一行单独的小表格,然后将其内容拼接起来;拼接完成之后再第二个for循环中打印出来row_str.append(cell.text)print(row_str)#也可以通过"columns"获取表格中的列的内容，可以自己尝试一下

运行结果如下：