Installing¶
python-docx versions 0.3.0 and later are not API-compatible with prior versions.
python-docx is hosted on PyPI, so installation is relatively simple, and just depends on what installation utilities you have installed.
python-docx may be installed with pip if you have it available:
python-docx can also be installed using easy_install , although this is discouraged:
If neither pip nor easy_install is available, it can be installed manually by downloading the distribution from PyPI, unpacking the tarball, and running setup.py :
python-docx depends on the lxml package. Both pip and easy_install will take care of satisfying those dependencies for you, but if you use this last method you will need to install those yourself.
docx 0.2.4
The docx module creates, reads and writes Microsoft Office Word 2007 docx files.
These are referred to as ‘WordML’, ‘Office Open XML’ and ‘Open XML’ by Microsoft.
These documents can be opened in Microsoft Office 2007 / 2010, Microsoft Mac Office 2008, Google Docs, OpenOffice.org 3, and Apple iWork 08.
The module was created when I was looking for a Python support for MS Word .docx files, but could only find various hacks involving COM automation, calling .Net or Java, or automating OpenOffice or MS Office.
Rukovodstvo
статьи и идеи для разработчиков программного обеспечения и веб-разработчиков.
Чтение и запись файлов MS Word на Python через модуль Python-Docx
Утилита MS Word из пакета Microsoft Office — один из наиболее часто используемых инструментов для написания текстовых документов, как простых, так и сложных. Хотя люди могут легко читать и писать документы MS Word, если у вас установлено программное обеспечение Office, часто вам нужно читать текст из документов Word в другом приложении. Например, если вы разрабатываете приложение обработки естественного языка [/ what-is-natural-language-processing /] на Python, которое принимает файлы MS Word в качестве входных данных, вы должны
Время чтения: 6 мин.
Утилита MS Word из пакета Microsoft Office — один из наиболее часто используемых инструментов для написания текстовых документов, как простых, так и сложных. Хотя люди могут легко читать и писать документы MS Word, если у вас установлено программное обеспечение Office, часто вам нужно читать текст из документов Word в другом приложении.
Например, если вы разрабатываете приложение для обработки естественного языка на Python, которое принимает файлы MS Word в качестве входных данных, вам нужно будет прочитать файлы MS Word в Python, прежде чем вы сможете обрабатывать текст. Точно так же часто вам нужно записать текст в документы MS Word в качестве вывода, например, в виде динамически сгенерированного отчета для загрузки.
В этой статье вы увидите, как читать и писать файлы MS Word на Python.
Установка библиотеки Python-Docx
Существует несколько библиотек, которые можно использовать для чтения и записи файлов MS Word на Python. Однако мы будем использовать модуль python-docx из-за его простоты использования. Выполните следующую pip в своем терминале, чтобы загрузить python-docx как показано ниже:
Чтение файлов MS Word с помощью модуля Python-Docx
В этом разделе вы увидите, как читать текст из файлов MS Word через модуль python-docx
Создайте новый файл MS Word и переименуйте его как «my_word_file.docx». Я сохранил файл в корне моей директории «E», хотя вы можете сохранить файл где угодно. Файл my_word_file.docx должен иметь следующее содержимое:
Чтобы прочитать указанный выше файл, сначала импортируйте docx а затем создайте объект класса Document из модуля docx Передайте путь к my_word_file.docx конструктору Document , как показано в следующем скрипте:
Document объект класса doc теперь может быть использован , чтобы прочитать содержимое my_word_file.docx.
Чтение абзацев
После создания объекта Document используя путь к файлу, вы можете получить доступ ко всем абзацам в документе через атрибут paragraphs Пустая строка также читается в Document как абзац. Давайте возьмем все абзацы из my_word_file.docx, а затем отобразим общее количество абзацев в документе:
Выход:
Теперь мы итеративно распечатаем все абзацы в файле my_word_file.docx:
Выход:
Вывод показывает все абзацы в файле Word.
Мы даже можем получить доступ к определенному абзацу, индексируя paragraphs как массив. Распечатываем 5-й абзац в файле:
Выход:
Чтение пробежек
Выполнение в текстовом документе — это непрерывная последовательность слов, имеющих похожие свойства, такие как одинаковые размеры шрифта, формы шрифтов и стили шрифтов. Например, если вы посмотрите на вторую строку my_word_file.docx, она содержит текст «Добро пожаловать на stackabuse.com», здесь текст «Добро пожаловать» написан обычным шрифтом, а текст «stackabuse.com» — в смелое лицо. Следовательно, текст «Добро пожаловать в» считается одним запуском, а выделенный жирным шрифтом текст «stackabuse.com» — другим запуском.
Точно так же «научиться программировать и писать код» и «наиболее эффективно» рассматриваются как два разных этапа в абзаце «научиться программировать и писать код наиболее эффективным образом».
Чтобы получить все пробеги в абзаце, вы можете использовать свойство run атрибута paragraph объекта doc
Давайте прочитаем все прогоны из абзаца номер 5 (4-й индекс) в нашем тексте:
Выход:
Таким же образом следующий скрипт распечатывает все прогоны из 6-го абзаца файла my_word_file.docx:
Выход:
Написание файлов MS Word с помощью модуля Python-Docx
В предыдущем разделе вы узнали, как читать файлы MS Word в Python с помощью модуля python-docx В этом разделе вы увидите, как писать файлы MS Word через модуль python-docx
Для записи файлов MS Word необходимо создать объект Document с пустым конструктором или без передачи имени файла.
Написание абзацев
Для написания абзацев вы можете использовать метод add_paragraph() объекта класса Document После того, как вы добавили абзац, вам нужно будет вызвать метод save() для объекта класса Document Путь к файлу, в который вы хотите записать абзац, передается в качестве параметра методу save() Если файл еще не существует, будет создан новый файл, в противном случае абзац будет добавлен в конец существующего файла MS Word.
Следующий сценарий записывает простой абзац во вновь созданный файл MS Word с именем «my_written_file.docx».
После выполнения вышеуказанного сценария вы должны увидеть новый файл «my_written_file.docx» в каталоге, который вы указали в методе save() Внутри файла вы должны увидеть один абзац, который гласит: «Это первый абзац файла MS Word».
Добавим еще один абзац в my_written_file.docx:
Этот второй абзац будет добавлен в конец существующего содержимого в my_written_file.docx.
Написание пробежек
Вы также можете писать прогоны с помощью модуля python-docx Чтобы написать прогоны, вы сначала должны создать дескриптор абзаца, к которому вы хотите добавить свой прогон. Взгляните на следующий пример, чтобы увидеть, как это делается:
В приведенном выше сценарии мы пишем абзац с помощью add_paragraph() объекта класса Document mydoc . Метод add_paragraph() возвращает дескриптор только что добавленного абзаца. Чтобы добавить пробег к новому абзацу, вам нужно вызвать метод add_run() для дескриптора абзаца. Текст для выполнения передается в виде строки add_run() . Наконец, вам нужно вызвать метод save() чтобы создать фактический файл.
Написание заголовков
Вы также можете добавлять заголовки в файлы MS Word. Для этого вам нужно вызвать метод add_heading() . Первым параметром add_heading() является текстовая строка для заголовка, а вторым параметром — размер заголовка. Размеры заголовков начинаются с 0, где 0 является заголовком верхнего уровня.
Следующий скрипт добавляет в файл my_written_file.docx три заголовка уровня 0, 1 и 2:
Добавление изображений
Чтобы добавить изображения в файлы MS Word, вы можете использовать метод add_picture() . Путь к изображению передается в качестве параметра add_picture() . Вы также можете указать ширину и высоту изображения с помощью docx.shared.Inches() . Следующий сценарий добавляет изображение из локальной файловой системы в файл Word my_written_file.docx. Ширина и высота изображения будут 5 и 7 дюймов соответственно:
После выполнения всех сценариев из раздела Написание файлов MS Word с помощью модуля Python-Docx этой статьи ваш окончательный файл my_written_file.docx должен выглядеть следующим образом:
На выходе вы можете увидеть три абзаца, которые вы добавили в файл MS Word, а также три заголовка и одно изображение.
Заключение
В статье дается краткий обзор того, как читать и писать файлы MS Word с помощью модуля python-docx В статье рассказывается, как читать абзацы и запускать их из файла MS Word. Наконец, в этой статье был объяснен процесс записи файлов MS Word, добавления абзаца, пробежек, заголовков и изображений в файлы MS Word.
Как установить python docx
Word documents include formatted text wrapped in three object levels: Run objects at the lowest level, Paragraph objects at the intermediate level, and Document objects at the top level. As a result, we are unable to work with these documents using standard text editors. However, we may use the Python-Docx package to manage these word documents in Python. So, in this article, we’ll use the PIP manager to install the Docx package in Python on a Linux operating system.
Installing Docx package on Linux using PIP
Requirements:
To install the Docx package in Linux we have to follow the following steps:
Step 1: Setting up Python environment on our Linux operating system. So we’ll use the apt manager to install Python3.
Step 2: Now we install the PIP manager. The PIP manager is a Python package installation program that is used to install and manage Python packages. So for the installation use the following command on the terminal.
Step 3: Now we’ll use the PIP manager to install the Docx package. So to install the Docx package use the following command on the terminal.
Verifying installation of Docx package on Linux using PIP
After you’ve installed the package, the next step is to check whether the Docx package is properly installed or not. So, we’ll only use the terminal to get the information about the installed package (Docx).
The below output will be shown in the terminal when the Docx package is successfully installed.