Word 神器 python-docx

前兩天有個朋友向我求助，她在寫畢業論文時，不小心將論文裡的中文雙引號替換為英文的了，各種原因導致無法回退，8萬多字的論文，眼看就要交了，該怎麼辦？

首先想到 word 自身的替換功能，倒是能查到，但是沒法動態替換，即只替換兩邊引號，而不換中間內容；

另外一種方案是，即用 VBA，通過編程來替換，雖說做過幾個項目，可好久不用，拾起費勁，再加上 VBA 中各種概念和用法，學習成本太高，放棄；

還有一種方案，即用 Python 操作 word，首先對 Python 更熟悉，另外一定有別人造好的輪子。果然，沒用多久找到了 python-docx Python 庫，文檔齊全，功能強大，用來解決替換問題不在話下。

開始之前，先簡單了解下 python-docx

python-docx 介紹

python-docx 是用於創建可修改 微軟 Word 的一個 python 庫，提供全套的 Word 操作，是最常用的 Word 工具

概念

使用前，先了解幾個概念：

Document：是一個 Word 文檔 對象，不同於 VBA 中 Worksheet 的概念，Document 是獨立的，打開不同的 Word 文檔，就會有不同的 Document 對象，相互之間沒有影響Paragraph：是段落，一個 Word 文檔由多個段落組成，當在文檔中輸入一個回車鍵，就會成為新的段落，輸入 shift + 回車，不會分段Run 表示一個節段，每個段落由多個 節段 組成，一個段落中具有相同樣式的連續文本，組成一個節段，所以一個 段落 對象有個 Run 列表

例如有一個 Word，內容是：

word 文檔內容

則 結構這樣劃分：

第二個 段落（paragraph），沒有內容，所以 節段（run）為空

安裝

可以用 pip 來安裝：

命令行中運行下面語句，如果沒有報錯，則說明安裝成功

$ python -c 'import docx'
小試牛刀
python-docx 安裝後，測試一下：
from docx import Document
document = Document()paragraph = document.add_paragraph('Lorem ipsum dolor sit amet.')prior_paragraph = paragraph.insert_paragraph_before('Lorem ipsum')
document.save(r"D:\test.docx")
再在這個段落（paragraph）前插入另一個段落最後調用文檔對象 document 的 save 保存文檔
用 Word 打開保存的 test.docx 就可以看到：
問題分析與解決
了解了 python-docx 的基本概念，開始著手解決問題，大體思路是：
將找到的內容的 英文引號 換成 中文引號，並將內容替換回去查找目標
首先要解決的是如何找到 英文引號之間的內容？
例如文檔內容有這麼一段：
...對"基於需求的教育資源配置系統觀"的研究，尤其是對"以學習者為中心"和從"個性化學習"、"精準教學"視角出發的教育資源配置問題提供了理論"支持\\以及"方向指導...
對於英文引號來說不區分前引號和後引號，怎麼能保證配置到的不會是 "和從"、"、" 以及 "以學習者為中心"和從"個性化學習"、"精準教學" 或者 不會忽略兩個引號出現在上下行的情況？
重溫正則表達式，終於得到如下表達式：
?:：為了取消圓括號模式配置過程的緩存，即不需要遇到一個符合的就結束匹配[^"]：表示匹配的內容不能是 "，以避免貪婪匹配，即避免匹配成 從第一個 " 開始一直到最後一個 "結束整體的意思是 配置兩個 " 之間的內容，且內容中不包括 "
後來整理過程中，還發現另一種寫法：
不過 . 不能匹配換行符\n，堅持要用，需要使用 可選修飾符 re.S:
import repattern = re.compile('".*?"', re.S)
re.findAll(pattern, text)  # text 為待查找字符串
re.S 為可選標識修飾符，使 . 匹配包括換行在內的所有字符
關於 Python 正在表達式的更多用法參考文後參考連結
實現
查找問題解決了，做替換就方便多了：
from docx import Documentimport re
doc = Document(r"D:\論文.docx")restr = '"(?:[^"])*"'
for p in doc.paragraphs:    matchRet = re.findall(restr, p.text)    for r in matchRet:        p.text = p.text.replace(r, '「' + r[1:-1] + '」')doc.save(r'D:\論文_修正.docx')
打開目標文檔，字符串前的 r 表示取消字符串轉義，即按原始字符產來解釋循環文檔的 段落（paragraph），對每個段落，用正則表達式進行匹配循環對於匹配到的結果，將前後引號，換成中文引號，並替換 段落（paragraph）的 text；其中 r[1:-1] 表示截取從第二個位置(第一個位置是 0）到倒數第二個位置截取字符串，剛好去掉前後引號
注意：python-docx 保存文檔時不會給出任何提示，會瞬間完成，所以另存是個穩妥的做法
完工，趕緊將替換好的文檔發過去……
還沒來得回味，她說：「非常感謝！那個～ 能不能再幫我生成個圖表目錄，這個必須要……」
好吧，能者多勞（神器在手），幹就完了……
強大的 python-docx
在上面小試牛刀中，介紹了插入段落（paragraph）的用法，下面在介紹一些 python-docx 的其他功能
為了簡潔，下面例子中省略了 Document 類的引入和實例化代碼，document 為 Document 的實例
添加標題
默認情況下添加的標題是最高一級的，即一級標題，通過參數 level 設定，範圍是 1 ~ 9，也有 0 級別，表示的是段落標題：
# 添加一級標題document.add_heading('我是一級標題')
decument.add_heading('我是二級標題', level=2)
decument.add_heading('我是段落標題', level=0)
添加換頁
如果一個段落不滿一頁，需要分頁時，可以插入一個分頁符，直接調用會將分頁符插入到最後一個段落之後:
# 文檔最後插入分頁document.add_page_break()
# 特定段落分頁from docx.enum.text import WD_BREAKparagraph = document.add_paragraph("獨佔一頁")  # 添加一個段落paragraph.runs[-1].add_break(WD_BREAK.PAGE)  # 在段落的最後一個節段後添加分頁
表格操作
Word 文檔中經常會用到表格，python-docx 如何添加和操作表格呢？
# 添加一個 2×2 表格table = document.add_table(rows=2, cols=2)
# 獲取第一行第二列單元格cell = table.cell(0, 1)
# 設置單元格文本cell.text = '我是單元格文字'
# 表格的行row = table.rows[1]row.cells[0].text = 'Foo bar to you.'row.cells[1].text = 'And a hearty foo bar to you too sir!'
# 增加行row = table.add_row()
更複雜點的例子：
# 表格數據items = (    (7, '1024', '手機'),    (3, '2042', '筆記本'),    (1, '1288', '臺式機'),)
# 添加一個表格table = document.add_table(1, 3)
# 設置表格標題heading_cells = table.rows[0].cellsheading_cells[0].text = '數量'heading_cells[1].text = '編碼'heading_cells[2].text = '描述'
# 將數據填入表格for item in items:    cells = table.add_row().cells    cells[0].text = str(item[0])    cells[1].text = item[1]    cells[2].text = item[2]
添加圖片
添加圖片，即，為 Word 裡 菜單中 插入 > 圖片 插入的功能，插入圖片為原始大小：
document.add_picture('image-filename.png')
插入時設置圖片大小：
from docx.shared import Cm# 設置圖片的跨度為 10 釐米document.add_picture('image-filename.png', width=Cm(10))
除了釐米，python-docx 還提供了 英寸（Inches），如設置 1英寸: Inches(1.0)
樣式
樣式可以針對整體文檔（document）、段落（paragraph）、節段（run），月具體，樣式優先級越高
python-docx 樣式功能配置多樣，功能豐富，這裡對段落樣式和文字樣式做簡單介紹
段落樣式
段落樣式包括：對齊、列表樣式、行間距、縮進、背景色等，可以在添加段落時設定，也可以在添加之後設置：
# 添加一個段落，設置為無序列表樣式document.add_paragraph('我是個無序列表段落', style='List Bullet')
# 添加段落後，通過 style 屬性設置樣式paragraph = document.add_paragraph('我也是個無序列表段落')paragraph.style = 'List Bullet'
文字樣式
在前面 python-docx 文檔結構圖可以看到，段落中，不同樣式的內容，被劃分成多個 節段（Run），文字樣式是通過 節段（Run）來設置的
設置加粗/斜體
paragraph = document.add_paragraph('添加一個段落')# 設置 節段文字為加粗run = paragraph.add_run('添加一個節段')run.bold = True
# 設置 節段文字為斜體run = paragraph.add_run('我是斜體的')run.italic = True
設置字體
設置字體稍微複雜些，例如設置一段文字為 宋體：
paragraph = document.add_paragraph('我的字體是 宋體')run = paragraph.runs[0]run.font.name = '宋體'run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋體')
總結
python-docx 是個功能強大的 Word 庫，能實現幾乎所有在 Word 中操作，今天通過一個實例，介紹了 python-docx 的一些基本用法，限於篇幅，沒法展開討論更多內容，如果有興趣可以深入研究，說不定可以讓 Word 像 Markdown 一樣簡單。
參考
https://python-docx.readthedocs.io/en/latest/
https://www.runoob.com/python/python-reg-expressions.html
https://www.cnblogs.com/nixindecat/p/12157623.html