最全总结 | 聊聊 Python 办公自动化之 Word（下）

from docx.oxml.xmlchemy import BaseOxmlElement, ZeroOrOne, ZeroOrMore, OxmlElement
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from docx.oxml import ns

def create_element(self, name):
    return OxmlElement(name)

def create_attribute(self, element, name, value):
    element.set(ns.qn(name), value)

def add_page_number(self, run):
    """
    添加页面索引
    :param run:
    :return:
    """
    fldChar1 = self.create_element('w:fldChar')
    self.create_attribute(fldChar1, 'w:fldCharType', 'begin')

    instrText = self.create_element('w:instrText')
    self.create_attribute(instrText, 'xml:space', 'preserve')
    instrText.text = "PAGE"

    fldChar2 = self.create_element('w:fldChar')
    self.create_attribute(fldChar2, 'w:fldCharType', 'end')

    # run._r：class 'docx.oxml.text.run.CT_R'>
    run._r.append(fldChar1)
    run._r.append(instrText)
    run._r.append(fldChar2)

# 注意：要设置页眉页脚的对齐方式，必须设置到段落上（文字块不能添加对齐方式）
doc.sections[0].footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 创建一个文字块样式，指定字体名称、大小、颜色
style = create_style(document=doc, style_name="style", style_type=2, font_size=10,
                     font_color=[0x00, 0x00, 0x00], font_name="黑体")
self.add_page_number(doc.sections[0].footer.paragraphs[0].add_run("", style))
doc.save("./output.docx")
print('添加页码索引成功！')

from win32com import client

def doc_to_docx_in_win(path_raw, path_output):
    """
    doc转为docx（win）
    :param path_original:
    :param path_final:
    :return:
    """
    # 获取文件的格式后缀
    file_suffix = os.path.splitext(path_raw)[1]
    if file_suffix == ".doc":
        word = client.Dispatch('Word.Application')
        # 源文件
        doc = word.Documents.Open(path_raw)
        # 生成的新文件
        doc.SaveAs(path_output, 16)
        doc.Close()
        word.Quit()
    elif file_suffix == ".docx":
        shutil.copy(path_raw, path_output)

# 转换格式
./soffice --headless --convert-to docx 源文件.doc --outdir /output/path/

import os

source = "./doc/"
dest = "./docx/"
g = os.walk(source)

# 遍历文件夹
for root, dirs, files in g:
    for file in files:
        # 源文件完整路径
        file_path_raw = os.path.join(root, file)
        print(file_path_raw)

        os.system("soffice --headless --convert-to docx {} --outdir {}".format(file_path_raw, dest))

# 分别获取段落内容
content1 = ''
content2 = ''
for paragraph in file1.paragraphs:
    if "" == paragraph.text.strip():
        continue
    content1 += paragraph.text + '\n'

for paragraph in file2.paragraphs:
    if "" == paragraph.text.strip():
        continue
    content2 += paragraph.text + '\n'

# 如果参数 keepends 为 False，不包含换行符，如果为 True，则保留换行符。
print("第二个文档数据如下：\n", content1.splitlines(keepends=False))
print("第一个文档数据如下：\n", content1.splitlines(keepends=False))

import codecs
from difflib import HtmlDiff

# 差异内容
diff_html = HtmlDiff(wrapcolumn=100).make_file(content1.split("\n"), content2.split("\n"))

# 写入到文件中
with codecs.open('./diff_result.html', 'w', encoding='utf-8') as f:
     f.write(diff_html)

doc = Document(file)

# 关键字的文字块或单元格标红，并加粗
# 1、修改段落中包含关键字的文件块的样式
for paragraph in doc.paragraphs:
    for run in paragraph.runs:
        if keyword in run.text:
            # 修改颜色为红色，并加粗显示
            run.font.bold = True
            run.font.color.rgb = RGBColor(255, 0, 0)

tables = [table for table in doc.tables]
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            if keyword in cell.text:
                # 原内容
                content_raw = cell.text
                # 清空单元格数据
                cell.text = ""
                # 追加数据进去，并设置样式
                run = cell.paragraphs[0].add_run(content_raw)
                run.font.color.rgb = RGBColor(255, 0, 0)
                run.font.bold = True 

def replace_content(self, old_content, new_content):
    """
    替换文档中所有内容
    :param old_content:旧的内容
    :param new_content:新的内容
    :return:
    """
    # 替换段落
    for paragraph in self.doc.paragraphs:
        if old_content in paragraph.text:
            # 替换内容后，重新设置进去
            paragraph.text = paragraph.text.replace(old_content, new_content)

    # 替换表格
    # document.tables[表格索引].rows[行索引].cells[单元格列索引].text = “新的数据”。
    tables = [table for table in self.doc.tables]
    for table in tables:
        for row in table.rows:
            for cell in row.cells:
                if old_content in cell.text:
                    # 重新设置单元格内容
                    cell.text = cell.text.replace(old_content, new_content)

    # 保存到一个新的文件中
    self.doc.save('./new.docx')