Python处理Word文档的高效技巧

### 引言
在日常办公中，Word文档是不可或缺的一部分。Python提供了多种库来处理Word文档，其中`python-docx`是最常用的工具之一。本文将详细介绍如何使用Python处理Word文档，包括生成文档、定义样式、提取表格数据以及处理超链接和图片等。

### 1. 生成Word文档
`python-docx`库可以轻松创建和编辑Word文档。以下是生成一个简单的Word文档的基本步骤：

```python
from docx import Document
from docx.shared import Inches, Pt

# 创建一个新的Document对象
document = Document()

# 添加标题
document.add_heading('Python1024_自动生成标题', level=0)

# 添加段落
document.add_paragraph('测试文本\n测试内容')

# 设置文本格式
p = document.add_paragraph('粗体部分内容').add_run().bold = True
p.add_run('斜体部分').italic = True
p.add_run('下划线部分').underline = True
p.add_run('字体设置').font.size = Pt(24)

# 添加图片
document.add_picture('dance.jpg', width=Inches(5))

# 保存文档
document.save('output.docx')
```

### 2. 定义样式
为了确保文档的一致性和美观性，定义样式是非常重要的。`python-docx`支持多种样式的定义和应用：

```python
from docx import Document
from docx.shared import Cm, Pt, RGBColor
from docx.enum.style import WD_STYLE_TYPE

# 创建一个新的Document对象
document = Document()

# 设置默认正文样式
normal_style = document.styles['Normal']
normal_style.font.name = '宋体'
normal_style.paragraph_format.first_line_indent = Cm(0.74)
normal_style.paragraph_format.space_before = Pt(20)
normal_style.paragraph_format.space_after = Pt(12)

# 添加自定义样式
document.styles.add_style('my_style', WD_STYLE_TYPE.CHARACTER)
my_style = document.styles['my_style']
my_style.font.name = '微软雅黑'
my_style.font.color.rgb = RGBColor(0xFF, 0x00, 0x00)

# 应用样式
document.add_paragraph('自定义样式', style='my_style')

# 保存文档
document.save('styled_output.docx')
```

### 3. 提取表格数据
对于包含表格的Word文档，提取表格数据是一个常见的需求。`python-docx`提供了多种方法来遍历和提取表格中的数据：

```python
from docx import Document

# 打开文档
doc = Document('table.docx')
tables = doc.tables

# 遍历表格
table = tables[0]
cell_set = set()

# 按行遍历表格
for i, row in enumerate(table.rows):
for j, cell in enumerate(row.cells):
if cell not in cell_set:
cell_set.add(cell)
cell.text += 'test'

# 保存修改后的文档
doc.save('modified_table.docx')
```

### 4. 处理超链接和图片
除了基本的文本和表格操作，`python-docx`还支持添加超链接和提取图片：

```python
from docx import Document
from docx.oxml.shared import OxmlElement
from docx.enum.dml import MSO_THEME_COLOR_INDEX

# 添加超链接
def add_hyperlink(paragraph, text, url):
part = paragraph.part
r_id = part.relate_to(url, 'http://schemas.openxmlformats.org/officeDocument/2006/relationships/hyperlink', is_external=True)
hyperlink = OxmlElement('w:hyperlink')
hyperlink.set(OxmlElement('r:id'), r_id)
new_run = OxmlElement('w:r')
rPr = OxmlElement('w:rPr')
new_run.append(rPr)
new_run.text = text
hyperlink.append(new_run)
r = paragraph.add_run()
r._r.append(hyperlink)
r.font.color.theme_color = MSO_THEME_COLOR_INDEX.HYPERLINK
r.font.underline = True
return hyperlink

# 创建文档并添加超链接
document = Document()
p = document.add_paragraph('我的网站\n')
add_hyperlink(p, '点击进入', 'https://www.yuque.com/yichu/')
document.save('hyperlink_output.docx')

# 提取图片
from docx.opc.constants import RELATIONSHIP_TYPE as RT

doc = Document('input.docx')
part = doc.part
rels = part.rels

for rid in rels:
if rels[rid].reltype == RT.IMAGE:
img = part.related_parts[rid]
with open(f'image_{rid}.jpeg', 'wb') as f:
f.write(img.blob)
```

### 总结
本文主要介绍了如何使用Python处理Word文档，涵盖了从基础操作到高级功能的各种技巧。通过`python-docx`库，我们可以轻松生成、编辑和提取Word文档中的各种元素。虽然该库的功能并非能完全覆盖所有需求，但对于大多数日常办公自动化任务来说，已经足够强大。更多内容欢迎关注我们的公众号：只差一个程序员了。