新知一下
海量新知
6 0 8 4 1 1 2

手把手教你使用python的zipfile模块巧解word批量生成问题

Python进阶学习 | 人生苦短,我用Python 2021/12/02 11:41

  • 方案一:使用python-docx.Document读取word文档

  • 方案二:zipfile巧解word文档

  • 平台:windows10

  • 解释器:python3.7

任务需求

现有一包含目标数据的excel文档,需要将其中的每一行数据的对应内容替换到指定word中,并逐一保存。

任务拆解

首先查看 word文档 格式,可以看到文件后缀为.doc,需要替换的是正文部分红框中的英文部分。 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 目标数据 excel文档 ,将excel中的对应列下的数据替换到word文档中。 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 excel数据比较规整无需二次处理,如果列名与word文档中不对应或者没有,则需要调整或新增。如此一来只要考虑如何读取doc文件并按一定逻辑进行替换即可。

任务方案

方案一:使用python-docx.Document读取word文档

在这次需求之前我并没有用过python操作word文档,感谢交流群内各位大佬相助,从 Python+Excel+Word一秒制作百份合同 文章中虽然跟着步伐编写代码,而当执行时报错了,目标字符串没有被替换上等等。

  • 问题一:模块安装错误,文章中import docx,我误以为pip install docx就行了,而调用Document类时,发现模块下无该类,遂进行百度,应当时pip install python-docx,import docx。

  • 问题二:python-docx模块不能操作doc文档,上述已提到,本次处理的word文档为doc后缀,需要将其转换docx后缀方可正常操作,其实一个文档通过word软件进行另存为即可,但是在python编程中就显得不太优雅,主要是我太懒了,最多就将目标文件路径拷贝至代码中,所以使用win32com模块调用word程序转换doc文档为docx文档。

  • 问题三: Python+Excel+Word一秒制作百份合同 这篇文章中是定位到具体文本段在进行替换,首次尝试时,发现并不能替换成功,将代码逐步运行定位问题所在。可以想象下Document是将整个word文档分成多个paragraphs,一个paragraphs有很多行,每行有多个文本块,由于每行中的文本块的划分不太明白,中英文输入法不同方式输入的中/英文会导致本是一个单词被拆开,也有可能是该word文档中含有一定格式造成,如下划线,在无下划线的情况下,单词没有被分开,尝试用paragraphs.text进行内容的替换,文本可以替换成功,但下划线的格式被丢弃,所以只能采取文本块下的text方法进行替换,在原word文件中用同一种输入法输入英文(与excel的列名相对应,应保证该字符串不在word中其他地方出现,即中文也是可以的,推荐写法:#列名#)

将上述问题逐一解决后,输入目标文件路径及输入路径就大功告成了。 源码:

from copy import deepcopy

from pathlib import Path

from win32com import client as wc  # pip install pypiwin32

from docx import Document  # pip install python-docx

import pandas as pd

# python-docx不能处理doc文档,使用win32com转存为docx文档

def doctransform2docx(doc_path):

    docx_path = doc_path + 'x'

    suffix = doc_path.split('.')[1]

    assert 'doc' in suffix, '传入的不是word文档,请重新输入!'

    if suffix == 'docx':

        return Document(doc_path)

    word = wc.Dispatch('Word.Application')

    doc = word.Documents.Open(doc_path)

    doc.SaveAs2(docx_path, 16)  # docx为16

    doc.Close()

    word.Quit()

    return Document(docx_path)

# 替换docx中的特定字符,由于run方法在有格式的docx文件中展示效果很差,故将docx中的文本的需要填充出英文字符占位

def replace_docx(name, values, wordfile, path_name='Company'):

    wordfile_copy = deepcopy(wordfile)  # 防止原文件被篡改,deepcopy为副本

    for col_name, value in zip(name, values):

        if col_name == 'Company':

            path_name = str(value)

        for paragraphs in wordfile_copy.paragraphs:

            for run in paragraphs.runs:

                run.text = run.text.replace(col_name, str(value))

    # docx文档替换完毕,另存为,一定要用绝对路径

    wordfile_copy.save(f'{save_folder}/{path_name}.docx')

if __name__ == '__main__':

    # 定义需处理的文件路径

    doc_path = r"D:solve_path单位.doc"

    excel_path = r"D:solve_path信息.xls"

    save_folder = Path('D:/docx_save')

    save_folder.mkdir(parents=True, exist_ok=True)  # 文件夹没有时自动创建

    # 获取excel数据

    data = pd.read_excel(excel_path)

    wordfile = doctransform2docx(doc_path)

    data_save = data.apply(lambda x: replace_docx(x.index, x.values, wordfile), axis=1)

在我以为大功告成之际,问题来了,原文档中的方框没了(漏!!!) 效果图: 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 解决了格式却解决不了特殊字符问题,秃了啊……,我想python-docx中一定有相应的解决方案,但是我初次尝试,对其中源码部分犹如天书般的存在,在多次调用方法下发现其中的一个参数输出,wordfile.part.blob: 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 输出内容让我想起了之前解密excel时看到的文件开头,xml文件,然后首先尝试替换其中文本,原以为会像run.text = run.text.replace(col_name, str(value))一样即可,然而报错了,禁止修改。 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题

方案二:zipfile巧解word文档

正当我认为别无他法时,就此作罢时,百度百科帮助了我: 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 docx文档本质上就是xml文件,emmmm,很妙,之前为了提取xlsx中的图片解压缩过xlsx文件然后提取,果然可行,替换的主体文件就是word文件夹下的document.xml文件 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题 当然在代码编写前首先尝试能不能手动复原为docx,用7z默认参数还原失败,经过多番寻找,用zip类型压缩即可,软件不限,手动解压及替换字符压缩均成功,开始敲代码。除习惯性用pandas读取excel文件外,也不用安装其他包,在现用python3.7中均为内置包。使用zipfile对压缩类文件进行解压,文章学习来源:

python中如何压缩和解压缩文件

https://www.cnblogs.com/rongge95500/p/11271764.html

文章中写得很详细,我仅把os.path改写成pathlib。但在对目录下文件进行压缩还原至docx文档时出现了问题:

  • 问题一:文章中的压缩文件为 zipfile.ZIP_DEFLATED,对遍历后的所有文件进行压缩至一个目录下,这就出现了还原后的docx内的文件层次不对应,docx读取失败。改用zipfile.zlib.DEFLATED方可成功按层次压缩。

  • 问题二:zipfile压缩文件保存时,应当有文件名及其别名,且别名不能为绝对路径,为了能正常还原也应使用原有名称,在代码中为f.write(文件路径, 文件路径别名)

源码:

from shutil import rmtree

import zipfile

from copy import deepcopy

from pathlib import Path

from win32com import client as wc  # pip install pypiwin32

import pandas as pd

# doc文档不包含所需xml文件,使用win32com转存为docx文档

def doctransform2docx(doc_path):

    docx_path = doc_path + 'x'

    suffix = doc_path.split('.')[1]

    assert 'doc' in suffix, '传入的不是word文档,请重新输入!'

    if suffix == 'docx':

        return Path(doc_path)

    word = wc.Dispatch('Word.Application')

    doc = word.Documents.Open(doc_path)

    doc.SaveAs2(docx_path, 16)  # docx为16

    doc.Close()

    word.Quit()

    return Path(docx_path)

# docx文档解压

def docx_unzip(docx_path):

    docx_path = Path(docx_path) if isinstance(docx_path, str) else docx_path

    upzip_path = docx_path.with_name(docx_path.stem)

    with zipfile.ZipFile(docx_path, 'r'as f:

        for file in f.namelist():

            f.extract(file, path=upzip_path)

    xml_path = upzip_path.joinpath('word/document.xml')

    with xml_path.open(encoding='utf-8'as f:

        xml_file = f.read()

    return upzip_path, xml_path, xml_file

# 讲文件夹中的所有文件压缩成docx文档

def docx_zipped(docx_path, zipped_path):

    docx_path = Path(docx_path) if isinstance(docx_path, str) else docx_path

    with zipfile.ZipFile(zipped_path, 'w', zipfile.zlib.DEFLATED) as f:

        for file in docx_path.glob('**/*.*'):

            f.write(file, file.as_posix().replace(docx_path.as_posix() + '/'''))

# 删除生成的解压文件夹

def remove_folder(path):

    path = Path(path) if isinstance(path, str) else path

    if path.exists():

        rmtree(path)

    else:

        raise "系统找不到指定的文件"

            

# 替换docx中的特定字符,重新保存document.xml至需要压缩的目录下

def replace_docx(name, values, xml_file, xml_path, unzip_path, path_name='Company'):

    xml_path = Path(xml_path) if isinstance(xml_path, str) else xml_path

    xml_file_copy = deepcopy(xml_file)  # 深复制xml内容

    for col_name, value in zip(name, values):

        if col_name == 'Company':

            path_name = str(value)

        xml_file_copy = xml_file_copy.replace(col_name, str(value))

    with xml_path.open(mode='w', encoding='utf-8'as f:

        f.write(xml_file_copy)

    # xml文档替换完毕,通过zipfile重新压缩另存为docx文档

    docx_zipped(unzip_path, f'{save_folder}/{path_name}.docx')

if __name__ == '__main__':

    # 定义需处理的文件路径

    doc_path = r"D:solve_path单位.doc"

    excel_path = r"D:solve_path信息.xls"

    save_folder = Path('D:/docx_save')

    save_folder.mkdir(parents=True, exist_ok=True)  # 文件夹没有时自动创建

    # 获取excel数据

    data = pd.read_excel(excel_path)

    docx_path = doctransform2docx(doc_path)

    unzip_path, xml_path, xml_file = docx_unzip(docx_path)

    data_save = data.apply(lambda x: replace_docx(x.index, x.values, xml_file, xml_path, unzip_path), axis=1)

    remove_folder(unzip_path)

打开生成的文件,方框没有消失,下划线也在。 新知达人, 手把手教你使用python的zipfile模块巧解word批量生成问题


更多“python”相关内容

更多“python”相关内容

新知精选

更多新知精选