使用PYTHON实现docx文档的读写

经常写文章的小白们会遇到这样的问题，知道想表达的意思，想出了大概描述的词汇，但就是缺乏完整漂亮的句子，也许曾经在某个地方看到过，但是找不到了。另外一种情况，阅读了大量的报告，用的时候想到了其中的某个结论或者数据，想要追根溯源却有点难。可惜word软件不提供在一堆文件里查找的功能，也没有类似于正则表达式的检索方法，只好自力更生来实现了。

python大法好。

依赖的包：python-docx

安装：pip install python-docx

引用：import docx

.docx文件的结构比较复杂，分为三层，1、Docment对象表示整个文档；2、Docment包含了Paragraph对象的列表，Paragraph对象用来表示文档中的段落；3、一个Paragraph对象包含Run对象的列表，用下面这个图说明Run到底是神马东西。



Word里面的文本不只是包含了字符串，还有字号、字体、颜色等等属性，都包含在style中。一个Run对象就是style相同的一段文本，新建一个Run就有新的style。

下面是一些简单的演示：

1 >>> import docx
2 >>> doc = docx.Document('D:\project\python\searchdocx\demo.docx')
3 >>> doc
4 <docx.document.Document object at 0x0000000003277B40>
5 >>> len(doc.paragraphs)
6 7
7 >>> doc.paragraphs[0].text
8 u'Document Title'
9 >>> doc.paragraphs[1].text
10 u'A plain paragraph with some bold and some italic'
11 >>> len(doc.paragraphs[1].runs)
12 5
13 >>> doc.paragraphs[1].runs[0]
14 <docx.text.run.Run object at 0x00000000032C8710>
15 >>> doc.paragraphs[1].runs[0].text
16 'A plain paragraph with'
17 >>> doc.paragraphs[2].runs[0].text
18 'Heading, level 1'
19 >>> doc.paragraphs[1].runs[1].text
20 ' some '
21 >>>

当然，也可以写一个简单的方法，读取文档中的所有文字，不管格式。

1 import docx
2
3 def readDocx(docName):
4     fullText = []
5     doc = docx.Document(docName)
6     paras = doc.paragraphs
7     for p in paras:
8         fullText.append(p.text)
9     return '\n'.join(fullText)