《Python 编程快速上手 — 让繁琐工作自动化》读书笔记之【第13章处理PDF和Word文档(2)】

最新推荐文章于 2024-01-13 13:02:00 发布

原创

最新推荐文章于 2024-01-13 13:02:00 发布 · 538 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python #word #pdf

本文是《Python编程快速上手》第13章的读书笔记，详细介绍了如何使用Python的docx库来读取、创建和编辑Word文档，包括获取文本、设置样式、添加标题和图像等操作。此外，还提及了处理PDF文档的相关概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. Word 文档

虽然安装的时候使用的是：pip install pyton-docx，但是导入的模块是import docx。.docx文件的结构为:

在最高一层，Document 对象表示整个文档。Document 对象包含一个 Paragraph 对象的列表，表示文档中的段落（用户在 Word 文档中输入时，如果按下回车，新的段落就开始了）。每个 Paragraph 对象都包含一个 Run 对象的列表。

Word 文档中的文本不仅仅是字符串。它包含与之相关的字体、大小、颜色和其他样式信息。在Word 中，样式是这些属性的集合。一个 Run 对象是相同样式文本的延续。当文本样式发生改变时，就需要一个新的 Run 对象。示例：

1) 读取 Word 文档

向docx.Document()传入一个word文档，得到Document对象。Document.paragraphs获得Paragraph对象列表。Paragraph.runs取得Run对象列表。Paragraph对象和Run对象都有text属性。示例：

import docx
#   创建Document对象
doc = docx.Document('demo.docx')
#   创建Pagraph对象列表，并调用Pagraph对象的text属性
paragraph = doc.paragraphs
print(paragraph[0].text)
#   创建Run对象列表，并调用Run对象的Text属性
run = paragraph[1].runs
print(run[2].text)