python处理word、ppt、excel

介绍采用python_docx模块处理word文档的基本技巧，特别是图片如何提取和写入。

python_docx模块只能处理docx，不支持doc，如需使用，要进行转换。代码入下：

from win32com import client as wc
word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(r"d:\123.doc".doc)
doc.SaveAs(r"d:\123.docx".docx, 12)   12为docx
doc.Close()
word.Quit()

python已有几个模块可处理word文档、excel表格、以及ppt演示文稿。首先，汇总列出各模块对不同版本文件的处理能力：

docx模块：可读取、写入.docx文档（不支持.doc文档！！！）

xlrd模块：可读取.xls、.xlsx表格

xlwt模块：可写入.xls表格（不可写入.xlsx文件！！！）

pptx模块：可读取、写入.ppt、.pptx（.ppt演示文稿，只能读取pptx模块自身输出的，对其他方式生成的不支持！！！）

首先介绍docx模块中如何描述一篇word文档。

word文档的结构描述不如excel表格那么直观。word文档整体上有几类对象组成：

（1）节Section：表示word文档中页面布局一样的部分内容。

（2）段落Paragraph：word文档的基本组成单元就是段落。文字、图形都位于段落之中。

（3）块Run：每个段落之中的内容可以具有不同的样式，这些具有相同样式的基本单元可称之为块。一个段落可由多个块组成（各块之间允许设置不同的样式，但也可保持相同的样式）。

（4）内联图形Inline_shape：以嵌入方式置入word文档中的图形称之为内联图形。除此之外，还有其他布局方式的图形，可在块中找到，但其并不在内联图形集合中。

（5）表格Table：嵌入word文档的表格。表格由行、列、单元格组成。单元格中的内容可以包含段落、图形、表格等。注意，表格不在段落之中。

（6）样式Style：用来确定word文档内置对象格式的各种样式，包括段落样式、表格样式、字符样式、列表样式（包括有序列表和无序列表）。

以上1~3项、6项是一个word文档必备的元素。

下面介绍docx模块具体如何操作一个word文档。

打开或新建文档：

doc = docx.Document('1.docx') #打开word文档1.docx，如果不指定文件路径，则新建文档

节操作：

新建的文档已包含一个节对象。节对象本质上是一个分节符（除第一节外），分节符本身构成一个独立段落，包括在doc.paragraphs中。

doc.sections #返回文档中节集合，其组成元素为节对象，可以通过索引获取

doc.add_section(start_type=2) #增加一个新节，start_type为分节符的类型

doc.sections[n] #返回索引为n的节对象。可以通过节对象的属性访问或设置节的格式，其主要属性包括：

• 分节符类型：'start_type'，0表示连续分节符，1表示节的结尾符号，2表示下一页分节符，3表示偶数页分节符，4表示奇数页分节符
• 页面方向： 'orientation'，1表示横向，0表示纵向
• 页面尺寸：'page_height'（页高）, 'page_width'（叶宽）。距离属性都可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）
• 边距：'bottom_margin'（底部页边距）, 'footer_distance'（页脚到底部间距）, 'gutter'（装订线到叶边距离）, 'header_distance'（顶部页边距）, 'left_margin'（左侧页边距）, 'right_margin'（右侧页边距）, 'top_margin'（顶部页边距）。距离属性都可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）

段落操作：

doc.paragraphs #返回文档中段落集合，其组成元素为段落对象，可以通过索引获取

doc.paragraphs[n] #返回索引为n的段落对象

doc.add_paragraph(text='', style=None) #在文档末尾增加一个新的段落，text为段落文本，style为段落样式（如缺省为None，则继承文档默认段落样式）

doc.add_heading(text='', level=1) #在文档末尾增加标题段落。level表示标题级别

doc.add_page_break() #在文档末尾增加新段落，该段落仅包含分页符

doc.paragraphs[n].insert_paragraph_before(text=None, style=None) #在索引为n的段落前增加一个段落

doc.paragraphs[n].text #返回或设置段落的文本内容

doc.paragraphs[n].paragraph_format #返回索引为n的段落的段落格式。可以通过段落格式（而不是段落对象本身，与节对象不同）的属性访问或设置段落的格式，其主要属性包括：

• 段落对齐方式：'alignment'，0为左对齐，1为居中，2为右对齐，3为两端对齐，4为分散对齐，5为垂直居中对齐，7为垂直顶端对齐，8为垂直底端对齐，9为泰文对齐（5~9还有待确认）
• 缩进：'first_line_indent'（首行缩进，如为负值则是悬挂缩进）, 'left_indent'（段落左侧缩进）, 'right_indent'（段落右侧缩进）。距离属性都可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）
• 间距：'line_spacing'（行距）, 'line_spacing_rule'（行距预设值，0表示单倍行距，1表示1.5倍行距，2表示2倍行距，3表示最小行距，4表示固定行距，5表示多倍行距）, 'space_after'（段后间距）, 'space_before'（段前间距）。除行距预设值外，其他都是距离属性，都可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）
• 换行和分页：'keep_together'（段中不分页）, 'keep_with_next'（与下段同页）, 'page_break_before'（段前分页）, 'widow_control'（孤行控制），均为逻辑值（True/False）
• 制表位：'tab_stops'，返回该段落采用的制表位集合。所谓制表位，就是在标尺上出现的标记，用于控制tab键的对齐方式。
• doc.paragraphs[n].tab_stops.add_tab_stop(position, alignment=0, leader=0) #在position（离段落左边界的距离）位置添加一个制表位，alignment为制表位对齐方式（0为左对齐，1为居中，2为右对齐，3为小数点对齐，4为竖线对齐），leader为前导符（0为无，1为.....，2为---，3为___，4为……）
• doc.paragraphs[n].runs[m].add_tab() #在块操作中，可增加制表符。也可直接在段落或块的text属性中写入'\t'，也表示一个制表符

块操作：

doc.paragraphs[n].runs #返回段落n的块集合，其组成元素为块对象，可以通过索引获取

doc.paragraphs[n].add_run(text=None, style=None) #在段落末尾增加一个新的块

doc.paragraphs[n].runs[m].add_break(break_type=6) #在块末尾增加分隔符。break_type为分隔符类型（2为下一页分节符，3为连续分节符，4为偶数页分节符，5为奇数页分节符，6为换行符，7为分页符，8为分栏符，9、10、11都可认为是换行符。注意区别节对象的start_type属性，两者分节符的代码并不一样）。换行符即'\n'，其也可通过.text属性设置

doc.paragraphs[n].runs[m].add_text(text) #在块末尾增加文字内容

doc.paragraphs[n].runs[m].text #返回或设置块的文本内容

doc.paragraphs[n].runs[m].element.drawing_lst #返回块中的图形列表，包括内联图形和非内联图形，相比doc.inline_shapes更完整！！！

doc.paragraphs[n].runs[m] #返回段落n的块对象m。可以通过其属性访问或设置块的格式（主要是文字样式），其主要属性包括：

• 加粗： 'bold'，True表示加粗
• 斜体：'italic'，True表示斜体
• 下划线：'underline'，一共可设置18种下划线样式（常用的0为无下划线，1为单下划线，3为双下划线，4为点下划线，6为加粗单下划线，11为波浪线）
• 字体：'font'，返回字体对象，通过字体对象的以下属性可以设置块文字字体样式：
• name：字体名称
• size：字体大小，可通过磅数docx.shared.Pt()进行设置（详见下文公用对象）
• bold：True表示加粗
• italic：True表示斜体
• underline：下划线，同上可设置18种下划线样式

内联图形操作：

doc.inline_shapes #文档所有内联图形的集合，其元素为内联图形对象，可索引

doc.paragraphs[n].add_picture(image_path_or_stream, width=None, height=None) #在文档末尾增加内联图形，作为一个新的段落。image_path_or_stream为图片文件路径或文件对象。width（图片宽度）、height（图片高度）可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象），指定其中之一即可，另一将按比例缩放

doc.paragraphs[n].runs[m].add_picture(image_path_or_stream, width=None, height=None) #在块末尾增加内联图形。image_path_or_stream为图片文件路径或文件对象。width（图片宽度）、height（图片高度）可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象），指定其中之一即可，另一将按比例缩放

doc.inline_shapes[n] #索引为n的内联图形对象。通过其属性可访问或设置对应内联图形的格式，主要属性包括：

• 图片尺寸：'height', 'width'，可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）
• 图片类型：'type'（3表示图片，4表示链接图片，12表示图表，15表示smart-art图形）

表格操作：

doc.tables #文档中的表格对象集合，可索引

doc.tables[n].add_row() #在表格底部增加一行

doc.tables[n].add_column(width) #在表格右侧增加一列，列宽为width，可通过尺寸对象docx.shared.xx()进行设置（详见下文公用对象）

doc.tables[n].rows #返回表格行对象集合

doc.tables[n].columns #返回表格列对象集合

doc.tables[n].row_cells(rowx) #返回表格行索引为rowx的单元格对象集合

doc.tables[n].column_cells(colx) #返回表格列索引为colx的单元格对象集合

doc.tables[n].cell(rowx, colx) #返回表格行、列索引分别为rowx、colx的单元格对象。单元格具有属性：'add_paragraph', 'add_table', 'merge', 'paragraphs', 'tables', 'text', 'width'等

doc.tables[n] #索引为n的表格，通过其属性可访问或设置表格格式，主要属性包括：

• 对齐方式：'alignment'，缺省0表示左对齐，1表示居中，2表示右对齐。
• 自动调整：'autofit'，如为True，表示根据内容自动调整列宽。False表示固定列宽。如果表格宽度超过页面宽度，则无论True还是False，表格列宽都将自动调整
• 表格方向：'table_direction'，True表示从右向左排列，False（默认）表示从左向右排列

样式操作：

doc.styles #返回文档样式集合，其元素包括段落样式、表格样式、字符样式、列表样式，只可通过键访问（键为样式名称）（区别于文档其他对象集合通过索引访问）

doc.styles.add_style(name, style_type, builtin=False) #新增一个样式。name为样式名称，style_type为样式类型（1代表段落；2代表字符；3代表表格；4表示列表），builtin（bool）表示是否为內建样式

公用对象：

docx.shared.xx() #尺寸对象，可用于各类尺寸相关设置，包括多种单位制（厘米Cm、毫米Mm、英寸Inches、磅数Pt、Emu、缇Twips）

docx.enum.shape.WD_INLINE_SHAPE #表示内联图形类型的常量类

docx.enum.text.WD_ALIGN_PARAGRAPH #表示段落对齐方式的常量类

docx.enum.text.WD_PARAGRAPH_ALIGNMENT #同docx.enum.text.WD_ALIGN_PARAGRAPH

docx.enum.text.WD_BREAK #表示分隔符类型的常量类

docx.enum.text.WD_BREAK_TYPE #同docx.enum.text.WD_BREAK

docx.enum.text.WD_COLOR #表示颜色的常量类

docx.enum.text.WD_COLOR_INDEX #同docx.enum.text.WD_COLOR

docx.enum.text.WD_LINE_SPACING #表示行距的常量类

docx.enum.text.WD_TAB_ALIGNMENT #表示制表位对齐方式的常量类

docx.enum.text.WD_TAB_LEADER #表示制表位前导符的常量类

docx.enum.text.WD_UNDERLINE #表示下划线类型的常量类