python docx 读取函数

Python使⽤python-docx读写word⽂档python-docx库可⽤于创建和编辑Microsoft Word（.docx）⽂件。

官⽅⽂档：备注：doc是微软的专有的⽂件格式，docx是Microsoft Office2007之后版本使⽤，其基于Office Open XML标准的压缩⽂件格式，⽐ doc⽂件所占⽤空间更⼩。

docx格式的⽂件本质上是⼀个ZIP⽂件，所以其实也可以把.docx⽂件直接改成.zip，解压后，⾥⾯的 word/document.xml包含了Word⽂档的⼤部分内容，图⽚⽂件则保存在word/media⾥⾯。

python-docx不⽀持.doc⽂件，间接解决⽅法是在代码⾥⾯先把.doc转为.docx。

⼀、安装包pip3 install python-docx⼆、创建word⽂档下⾯是在官⽂⽰例基础上对个别地⽅稍微修改，并加上函数的使⽤说明from docx import Documentfrom docx.shared import Inchesdocument = Document()#添加标题，并设置级别，范围：0 ⾄ 9，默认为1document.add_heading('Document Title', 0)#添加段落，⽂本可以包含制表符（\t）、换⾏符（\n）或回车符（\r）等p = document.add_paragraph('A plain paragraph having some ')#在段落后⾯追加⽂本，并可设置样式p.add_run('bold').bold = Truep.add_run(' and some ')p.add_run('italic.').italic = Truedocument.add_heading('Heading, level 1', level=1)document.add_paragraph('Intense quote', style='Intense Quote')#添加项⽬列表（前⾯⼀个⼩圆点）document.add_paragraph('first item in unordered list', style='List Bullet')document.add_paragraph('second item in unordered list', style='List Bullet')#添加项⽬列表（前⾯数字）document.add_paragraph('first item in ordered list', style='List Number')document.add_paragraph('second item in ordered list', style='List Number')#添加图⽚document.add_picture('monty-truth.png', width=Inches(1.25))records = ((3, '101', 'Spam'),(7, '422', 'Eggs'),(4, '631', 'Spam, spam, eggs, and spam'))#添加表格：⼀⾏三列# 表格样式参数可选：# Normal Table# Table Grid# Light Shading、 Light Shading Accent 1 ⾄ Light Shading Accent 6# Light List、Light List Accent 1 ⾄ Light List Accent 6# Light Grid、Light Grid Accent 1 ⾄ Light Grid Accent 6# 太多了其它省略...table = document.add_table(rows=1, cols=3, style='Light Shading Accent 2')#获取第⼀⾏的单元格列表hdr_cells = table.rows[0].cells#下⾯三⾏设置上⾯第⼀⾏的三个单元格的⽂本值hdr_cells[0].text = 'Qty'hdr_cells[1].text = 'Id'hdr_cells[2].text = 'Desc'for qty, id, desc in records:#表格添加⾏，并返回⾏所在的单元格列表row_cells = table.add_row().cellsrow_cells[0].text = str(qty)row_cells[1].text = idrow_cells[2].text = descdocument.add_page_break()#保存.docx⽂档document.save('demo.docx')创建的demo.docx内容如下：三、读取word⽂档from docx import Documentdoc = Document('demo.docx')#每⼀段的内容for para in doc.paragraphs:print(para.text)#每⼀段的编号、内容for i in range(len(doc.paragraphs)):print(str(i), doc.paragraphs[i].text)#表格tbs = doc.tablesfor tb in tbs:#⾏for row in tb.rows:#列for cell in row.cells:print(cell.text)#也可以⽤下⾯⽅法'''text = ''for p in cell.paragraphs:text += p.textprint(text)'''运⾏结果：Document TitleA plain paragraph having some bold and some italic. Heading, level 1Intense quotefirst item in unordered listsecond item in unordered listfirst item in ordered listsecond item in ordered listDocument TitleA plain paragraph having some bold and some italic. Heading, level 1Intense quotefirst item in unordered listsecond item in unordered listfirst item in ordered listsecond item in ordered listQtyIdDesc101Spam422Eggs631Spam, spam, eggs, and spam[Finished in 0.2s]以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。

在Linux系统下，可以使用Python的内置库`docx`来读取Word文档（doc文件）的内容。

以下是一个简单的示例代码，可以帮助你实现这个目标：```pythonimport docx# 打开文档doc = docx.Document('path/to/your/document.doc')# 遍历文档中的所有段落for para in doc.paragraphs:# 获取段落的文本内容text = para.text# 输出段落内容print(text)```在上述代码中，我们首先使用`docx`库中的`Document`类打开指定的Word文档。

然后，我们遍历文档中的所有段落，并使用`paragraphs`属性获取每个段落的文本内容。

最后，我们将段落内容输出到控制台。

需要注意的是，`docx`库需要安装并导入到Python环境中。

你可以使用以下命令在Linux系统下安装该库：```shellpip install python-docx```在安装完成后，你可以在Python脚本中导入该库并运行上述代码来读取Word文档的内容。

请确保将代码中的`'path/to/your/document.doc'`替换为实际的文档路径。

此外，如果你需要进一步处理Word文档中的内容，例如提取特定格式的文本或进行格式化操作，可以使用`docx`库的其他功能和方法。

你可以参考官方文档以获取更多详细信息。

总之，使用Python和`docx`库可以轻松地在Linux系统下读取Word文档的内容，并对其进行进一步的处理和分析。

python读取word⾥⾯的内容1.将word⽂档转为html操作，通过bs4中的 BeautifulSoup 提取html中所需要的内容步骤⼀：下载bs4 和 pydocx 并且引⼊pip install bs4pip install pydocx# 读取word中的内容from pydocx import PyDocXfrom bs4 import BeautifulSoup # 将html转为对象的形式步骤⼆：读取word⾥⾯的内容，并且解析html = PyDocX.to_html("C:\\Users\\Administrator\\Desktop\\test.docx")soup = BeautifulSoup(html, 'html.parser')"""demo 表⽰被解析的html格式的内容html.parser表⽰解析⽤的解析器"""soup.prettify() # 使⽤prettify()格式化显⽰输出# print(soup.prettify())title_list = soup.select("h2>span[style='text-indent:1.25em']", attrs={"style": "text-indent:1.25em"})content_list = soup.find_all('span', attrs={"class": "pydocx-left"}) # 指定属性，查找class属性为title的标签元素，注意因为class是python的关键字，所以这⾥需要加个下划线'_' print(len(content_list))2.读取word⾥⾯的内容，以⽂本的形式，⼀段⼀段的读出来，通过样式去获去⽂档⾥⾯的内容步骤⼀：下载python-docx，并且引⼊pip install python-docx# 引⼊from docx import Document步骤⼆：读取word⾥⾯的内容title = ""content = ""titleArr = []document = Document("C:\\Users\\Administrator\\Desktop\\test.docx")# 获取所有段落all_paragraphs = document.paragraphsfor paragraph in all_paragraphs:if == 'Normal':content = content + paragraph.text + '\n'else:obj = {"title": title, "content": content}if content != '':titleArr.append(obj)content = ""title = paragraph.text# print(obj)。

Python中的文件读写操作相关的函数和方法文件读写是Python中非常重要的一种操作，是对文件进行读取和写入的过程，对于计算机编程来说，文件读取和写入是在编程中最基本的操作之一。

本文将针对Python中的文件读写操作，介绍相关的函数和方法，帮助读者更好的理解和掌握这方面的知识。

一、文件读取Python提供了多种文件读取方式，常用的有以下三种：1.使用open()函数打开文件，然后使用read()方法从文件中读取内容。

语法格式：file = open(“filename”, “mode”)读取文件方法：file.read()示例代码：file = open(“test.txt”, “r”)content = file.read()print(content)在上述代码中，“test.txt”是需要读取的文件名，“r”是文件访问模式，表示只读模式。

read()方法将文件中的全部内容读取出来并存入content变量中，最后通过print()函数输出。

2.使用with语句读取文件，不必显式地调用close()方法进行关闭示例代码：with open(“test.txt”, “r”) as file:content = file.read()print(content)3.逐行读取文件内容，每次读取一行语法格式：file = open(“filename”, “mode”)for line in file:print(line)示例代码：file = open(“test.txt”)for line in file:print(line)二、文件写入文件写入与读取类似，也有多种方式可以实现，以下是常用的两种：1.使用open()函数以写入模式打开文件，然后使用write()方法写入内容。

语法格式：file = open(“file_name”, “w”)file.write(“content”)示例代码：file = open(“test.txt”, “w”)file.write(“Hello, World”)file.close()在上述代码中，“test.txt”是需要写入的文件名，“w”是文件访问模式，表示写入模式。

Python读取word⽂档内容1，利⽤python读取纯⽂字的word⽂档，读取段落和段落⾥的⽂字。

先读取段落，代码如下：1'''2 #利⽤python读取word⽂档，先读取段落3'''4#导⼊所需库5from docx import Document67#打开word⽂档8 document = Document("D:/路径/长恨歌.docx")910#获取所有段落11 all_paragraphs = document.paragraphs12#打印看看all_paragraphs是什么东西13print(type(all_paragraphs)) #<class 'list'>，打印后发现是列表14#是列表就开始循环读取15for paragraph in all_paragraphs:16#打印每⼀个段落的⽂字17print(paragraph.text)效果：再读取段落⾥的内容，代码如下：1'''2 #利⽤python读取word⽂档3'''4#导⼊所需库5from docx import Document67#打开word⽂档8 document = Document("D:/路径/长恨歌.docx")910#获取所有段落11 all_paragraphs = document.paragraphs12#打印看看all_paragraphs是什么东西13print(type(all_paragraphs)) #<class 'list'>，打印后发现是列表14#是列表就开始循环读取15for paragraph in all_paragraphs:16#打印每⼀个段落的⽂字17#print(paragraph.text)18#循环读取每个段落⾥的run内容19for run in paragraph.runs:20print(run.text) #打印run内容效果如下：其实都准确的获取了⽂字内容，但是paragraph是保留了word⽂档⾥的换⾏符，⽽run是没有保留的。

Python3读取Word⽂件⽅式我的环境，Windows10，Python3.6.3查询了很多有关资料，发现都是Python2版本操作Word⽂件的，所以就写了这篇短⼩的⽂章。

⼀、安装 docxpip install docx完了之后，导⼊：import docx发现报错：ModuleNotFoundError: No module named ‘exceptions'说没有 exceptions 这个模块，由于Python3已经取消了这个模块，⽽ PendingDeprecationWarning 是内置可以直接使⽤的，所以我们直接进⼊⽂件（这个要看你报错显⽰的路径）：D:\ProgramFiles\Anaconda3\lib\site-packages\docx.py把 from exceptions import PendingDeprecationWarning 注释掉即可⽰例代码：import docxdef get_docx(file_name):d = docx.opendocx(file_name)doc = docx.getdocumenttext(d)return docdoc = get_docx('tt.docx')print(doc) # 输出⾏数：1075for d in doc[:5]:print(d) # 打印前5⾏'''输出：⼀、补益之剂1．四君⼦汤四君⼦汤中和义，参术茯苓⽢草⽐益以夏陈名六君，祛痰补⽓阳虚饵除却半夏名异功，或加⾹砂胃寒使'''以上这篇Python3 读取Word⽂件⽅式就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

Python中读取文件的函数1. 概述在Python编程中，文件操作是非常常见且重要的功能之一。

而读取文件则是文件操作中的一个基本操作。

本文将介绍Python中用于读取文件的函数，并深入探讨其用法、参数以及常见应用场景。

2. open函数Python中用于读取文件的主要函数是open()函数。

它是Python内置的函数，用于打开一个文件，并返回一个文件对象。

open()函数的基本语法如下：file = open(file, mode='r', buffering=-1, encoding=None, errors=None, newline= None, closefd=True, opener=None)以上是open()函数的完整签名，我们将一一讨论各个参数的含义和用法。

2.1 file参数file参数指定要打开的文件的路径。

可以是绝对路径或相对路径。

如果文件位于当前工作目录下，则可以使用相对路径。

否则，应使用绝对路径。

2.2 mode参数mode参数用于指定打开文件的模式。

具体支持的模式有：•'r'：以只读模式打开文件。

文件的读取指针将会放在文件的开头，这是默认模式。

•'w'：以写入模式打开文件。

如果文件存在，那么文件内容将被清空。

如果文件不存在，则会创建一个新的文件。

•'a'：以追加模式打开文件。

如果文件不存在，则会创建一个新的文件。

•'x'：以创建模式打开文件。

如果文件存在，会引发一个错误。

•'b'：以二进制模式打开文件。

•'t'：以文本模式打开文件。

这是默认模式。

•'+'：以读写模式打开文件。

模式可以组合使用，例如'rb'表示以二进制模式打开文件并以只读方式读取。

2.3 buffering参数buffering参数用于指定文件使用的缓冲策略。

Python读写docx⽂件的⽅法Python读写word⽂档有现成的库可以处理。

我这⾥采⽤ python-docx。

可以⽤pip install python-docx安装⼀下。

这⾥说⼀句，ppt和excel也有类似的库哦，⽽且是直接读取⽂件⾥⾯的xml数据。

所以doc格式得另找其他库处理，doc格式不是基于xml的。

1、新建或打开⽂件。

这个⽐较简单⽤docx的Document类，若指定路径则是打开⽂档；若没有指定路径则是新建⽂档#coding:utf-8import docx#新建⽂档doc_new = docx.Document()#读取⽂档doc = docx.Document(ur'C:\1.docx')2、保存⽂件。

有打开，就有保存。

⽤Document类的save⽅法，其中参数是保存的⽂件路径，或者要保存的⽂件流。

⼀般指定路径即可。

doc.save(path_or_stream)3、对象集合。

python-docx包含了word⽂档的相关对象集合。

doc.paragraphs #段落集合doc.tables #表格集合doc.sections #节集合doc.styles #样式集合doc.inline_shapes #内置图形等等...4、插⼊段落。

段落是word最基本的对象之⼀。

doc.add_paragraph(u'第⼀段',style=None) #插⼊⼀个段落，⽂本为“第⼀段”#默认是不应⽤样式，这⾥也可以不写style参数，或者指定⼀个段落样式doc.add_paragraph(u'第⼆段',style='Heading 2')#这些样式都是word默认带有的样式，可以直接罗列出来有哪些段落样式print [ for s in doc.styles if s.type==1]5、新增样式。

这个帮助⽂档⾥⾯说得不仔细，⽽且还是英⽂的。

python读取word⽂档的⽅法本⽂实例讲述了python读取word⽂档的⽅法。

分享给⼤家供⼤家参考。

具体如下：⾸先下载安装win32comfrom win32com import client as wcword = wc.Dispatch('Word.Application')doc = word.Documents.Open('c:/test')doc.SaveAs('c:/test.text', 2)doc.Close()word.Quit()这种⽅式产⽣的text⽂档，不能⽤python⽤普通的r⽅式读取，为了让python可以⽤r⽅式读取，应当写成doc.SaveAs('c:/test', 4)注意：系统执⾏完成后，会⾃动产⽣⽂件后缀txt（虽然没有指明后缀）。

在xp系统下⾯，应当，open(r'c:\text','r')wdFormatDocument = 0wdFormatDocument97 = 0wdFormatDocumentDefault = 16wdFormatDOSText = 4wdFormatDOSTextLineBreaks = 5wdFormatEncodedText = 7wdFormatFilteredHTML = 10wdFormatFlatXML = 19wdFormatFlatXMLMacroEnabled = 20wdFormatFlatXMLTemplate = 21wdFormatFlatXMLTemplateMacroEnabled = 22wdFormatHTML = 8wdFormatPDF = 17wdFormatRTF = 6wdFormatTemplate = 1wdFormatTemplate97 = 1wdFormatText = 2wdFormatTextLineBreaks = 3wdFormatUnicodeText = 7wdFormatWebArchive = 9wdFormatXML = 11wdFormatXMLDocument = 12wdFormatXMLDocumentMacroEnabled = 13wdFormatXMLTemplate = 14wdFormatXMLTemplateMacroEnabled = 15wdFormatXPS = 18照着字⾯意思应该能对应到相应的⽂件格式，如果你是office 2003可能⽀持不了这么多格式。

使用python-docx模块读写word文件word文档的自动化处理是一件比较头痛的事情，因为深耕于windows操作系统，对于跨平台需求的word文档编辑，是非常痛苦的一件事。

在python的生态环境中，提供了python-docx这个模块，可以方便的进行跨平台的word文档处理，但是只适合word 2007以后的文档，即后缀为docx的文档。

处理excel文件，需要先创建一个workbook，与之对应，处理word文档，首先需要创建Document对象，用法如下>>> from docx import Document>>> document = Document()Document用于表征一个具体的word文档，在此基础上，包含了常见的各种元素，常用的几个元素列表如下1.heading2.paragraph3.page break4.table5.picture1. headingheading表示标题，通过add_heading方法，可以添加标题，用法如下>>> document.add_heading('header')我们编辑word文档的时候，可以有多种不同等级的标题，在该模块中，通过level参数可以指定不同的等级，取值范围为0-9，用法如下>>> document.add_heading('header', level = 0)2. paragraphparagraph表示段落，通过add_paragraph方法添加段落，用法如下>>> document.add_paragraph("First paragraph")在段落的基础上，可以通过add_run来不断进行拼接，用法如下>>> document.add_paragraph("北京欢迎您").add_run("welcome to Beijing")add_run的用处在于针对部分文字，单独进行处理，比如设置其字体大小，颜色等，用法如下>>> paragraph = document.add_paragraph("First Paragraph")>>> text = paragraph.add_run('Bold Text')>>> text.bold = True3. page breakpage break表示分页，通过add_page_break方法进行添加，用法如下>>> document.add_page_break()4. tabletable表示表格，通过add_table函数进行添加，用法如下>>> table = document.add_table(rows=2, cols=2)创建表格之后，我们需要对单元格进行赋值，有以下两种方法# cell函数获取对应的单元格>>> cell = table.cell(0, 0)>>> cell.text = "cell">>> table.row[0].cells[0].text#通过rows和cells的结合获取对应的单元格>>> table.rows[0].cells[0].text'cell'对于一个table, 可以通过如下方式进行遍历>>> for row in table.rows:... for cell in row.cells:... print(cell.text)5, picturepicture表示图片，通过add_picture函数进行添加，用法如下>>> document.add_picture('imae.png')对于word文档而言，除了基本元素之外，还有一个重大元素就是样式。

需求：读取目录下所有word文档，对整行空行进行删除，并输出文件名和word文档的内容。

对于.docx后缀的文件，我们可以使用第三方库python-docx来处理Word文档。

在运行代码之前，请确保您已安装该库：pip install python-docxpythonimport osfrom docx import Documentclass WordDocumentReader:def __init__(self, directory):self.directory = directorydef process_documents(self):for filename in os.listdir(self.directory):if filename.lower().endswith('.docx'):file_path = os.path.join(self.directory, filename)self.process_document_file(file_path)def process_document_file(self, file_path):document = Document(file_path)file_name = os.path.basename(file_path)# 删除整行空行for paragraph in document.paragraphs:if not paragraph.text.strip():runs = paragraph.runsfor run in runs:run.text = ''# 输出文件名和文档内容print("文件名:", file_name)print("文档内容:")for paragraph in document.paragraphs:if paragraph.text.strip():print(paragraph.text)print()# 使用示例directory = r'D:\BaiduNetdiskDownload\'reader = WordDocumentReader(directory)reader.process_documents()对于.doc后缀的文件，由于python-docx库可能存在问题，我们可以使用win32com库来实现。

python-docx读取doc文件一、python-docx读取docx文件1. 安装python-docx包pip install python-docx2. python-docx读取docx文件使用python-docx需要导入docx包import docx2. 读取docx文件段落和表格内容import docximport os.pathdocxFile = 'text.docx'doc = docx.Document(docxFile)for para in doc.paragraphs:print(para.text)for table in doc.tables:for row in table.rows:for cell in row.cells:print(cell.text)二、使用office word将doc转换为docx1. 安装pypiwin32在windows操作系统上利用office word将doc文件转换为docx 文件需要用到win32com包使用win32com包需要安装pypiwin32包pip install pypiwin322. doc转docximport os.pathfrom win32com.client import Dispatch, DispatchEximport docxdocPath = 'text.doc'# wordApp = DispatchEx('Word.Application')wordApp = Dispatch('Word.Application')# 设置word不显示wordApp.Visible = 0wordApp.DisplayAlerts = 0docxPath = os.path.splitext(docPath)[0] + '.docx'doc = wordApp.Documents.Open(docPath)doc.SaveAs(docxPath, 12, False, '', True, '', False, False, False, False)doc.Close()wordApp.Quit()3. python-docx读取docx问题python-docx读取由office word转换doc得到的docx文件时，会导致部分内容得不到例如由office word转换doc得到的docx文件中包含如下一段文字使用python-docx读取的到的信息为日期：2012年，其中缺少了半段文字暂未不知其原因三、libreoffice将doc转docx1. libreoffice使用libreoffice将doc文件转换为docx文件使用如下代码libreoffice --handless --convert-to docx [file] [--outdir] [dirPath]其中docx指定转换后的文件类型file表示doc文件的路径（包含文件名）参数--outdir指定输出docx文件的路径（选填）dirPath表示输出文件路径例如libreoffice --handless --convert-to docx text.doc --outdir ./ libreoffice --handless --convert-to docx text.doc2. 问题使用libreoffice将doc转换为docx可以避免第二部分第三节中描述的问题。

python docx 读取函数
python-docx是一个Python库，它可以使我们轻松地创建和修改Microsoft Word文档。

但是在有些情况下，我们需要读取Word 文档的内容，并对其进行处理。

这时，python-docx库的读取函数就派上用场了。

python-docx库提供了一系列函数，可以对Word文档进行读取和解析。

其中，最常用的函数是Document()函数。

这个函数会读取Word文档的内容，并将其转换成一个docx.Document对象。

我们可以通过这个对象来访问文档的各个部分。

另一个常用的函数是paragraphs属性。

这个属性返回一个列表，其中包含了文档中所有的段落。

我们可以通过遍历这个列表，来访问文档中的每一个段落，并对其进行处理。

除了paragraphs属性，python-docx库还提供了一系列属性和方法，可以让我们访问和处理文档中的表格、图片、标题等元素。

通过这些函数，我们可以轻松地读取和操作Word文档。

总之，python-docx库提供了一系列强大的读取函数，可以让我们快速读取和处理Word文档。

如果你需要对Word文档进行处理，不妨试试这个库吧！
- 1 -。

python读取doc import os, time, fnmatchfrom docx import Documentclass search:def __init__(self, path, search_string, file_filter):self.search_path = pathself.search_string = search_stringself.file_filter = file_filterprint ("Search %s in %s..." % (self.search_string, self.search_path) )print ("_" * 80)time_begin = time.time()file_count = self.walk()print ("_" * 80)print ("%s files searched in %0.2fsec." % (file_count, (time.time() - time_begin)))#遍历所有的⽂件，记录⽂件数量def walk(self):file_count = 0for root, dirlist, filelist in os.walk(self.search_path, followlinks=True):for filename in filelist:for file_filter in self.file_filter:if fnmatch.fnmatch(filename, file_filter):self.search_file(os.path.join(root, filename))file_count += 1return file_count#遍历⽂件中的字符串，并且剪切显⽰出来def search_file(self, filepath):d = Document(filepath)for para in d.paragraphs:if self.search_string in d.paragraphs:print(filepath)self.cutout_content(content)#剪切字符串并且显⽰def cutout_content(self, content):current_pos = 0search_string_len = len(self.search_string)for i in xrange(max_cutouts):try:#从current_pos位置往后寻找self.search_string个字符串pos = content.index(self.search_string, current_pos)except ValueError:break#将显⽰窗⼝定义为寻找到的关键字向前向后各content_extract个字符content_window = content[ pos - content_extract : pos + content_extract ]print (">>>", content_window.encode("String_Escape"))current_pos += pos + search_string_lenprint#主程序⼊⼝if __name__ == "__main__":search_path = r"c:\Users\Administrator\Desktop"file_filter = ("*.docx",".doc") # fnmatch-Filtersearch_string = "history"content_extract = 35 #获取摘要35max_cutouts = 20 #显⽰窗⼝20search(search_path, search_string, file_filter)。

Python读取Word（.docx）正⽂信息的⽅法本⽂介绍⽤Python简单读取*.docx⽂件信息，⼀些python-word库就是对这种⽅法的扩展。

介绍分两部分：Word(*.docx)⽂件简述Python提取Word信息Word(*.docx)⽂件简述⼤约在2008年以前，Office产品中Word⽤.doc⽂件格式，这种⼆进制格式很难与其他软件兼容。

为了跟上时代，微软采⽤类XML格式标准定义其新版Word⽂件.docx。

.docx实际上是⼀个zip的压缩⽂件，⽐如我们有⼀个test.docx的⽂件：其内容如下：改变其后缀名为test.zip，然后解压，会得到如下⽂件：其中Word⽂件的正⽂内容被保持在word/document.xml中，我们可以打开查看：Python提取Word信息根据Word（.docx）⽂件格式，我们遵循如下步骤进⾏正⽂信息的提取：1 解压.docx⽂件2 ⽤BeautifulSoup解析word/document.xml提取正⽂信息具体代码如下：from zipfile import ZipFilefrom bs4 import BeautifulSoupdocument=ZipFile('test.docx')xml=document.read("word/document.xml")wordObj=BeautifulSoup(xml.decode("utf-8"))texts=wordObj.findAll("w:t")for text in texts:print(text.text)以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。

python-docx⽂件定位读取过程（尝试替换）以上是开头，安装完后需要导⼊转载的代码读取所有docx⽂件中的内容发现没有读取到表格数据：from docx import Documentdef readDocx(docName):fullText = []doc = docx.Document(docName)paras = doc.paragraphsfor p in paras:fullText.append(p.text)return '\n'.join(fullText)尝试精确定位第⼀个表格中第⼀个单元格的数据（只有⼀个表格也会读取为数组）：doc = docx.Document('04.docx')print doc.tables[0].rows[0].cells[0].text替换语句：pname=unicode(context.rows[4].cells[1].text) #因为中⽂不兼容所以⽤unicode或者usave语句：resoult=doc.save(u'guochengwendang/04 DAEQP18-PS-04⼯作签到表.docx')doc属性doc.paragraphs 取内容（不包括表格等特别因素）doc.paragraphssStr1= doc.paragraphs[0].texts=sStr1.replace(u"JKZX",unicode(context.rows[5].cells[1].text))doc.paragraphs[0].text=s以上这篇python-docx⽂件定位读取过程(尝试替换)就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

Python实现docx文件的读写操作我们在做一些数据统计或分析的时候，有时会接触到Execl 格式或者Word 格式的文件。

Execl格式的数据提取和解析，我们在之前的文章分享过一些非常好用的Python第三方库，本文中主要介绍如何使用Python python-docx模块提取Word 文件中的文本信息和表格数据。

python-docx 安装本文python-docx 安装在Windows 10系统，Python3 环境中使用pip进行安装。

演示文本为了方便理解，我们以python-docx.docx 文件为例，演示如何使用Python 提取其中的文本数据和表格数据，并开发自定义函数以字典的形式提取内容，python-docx.docx文件内容如下：在使用python-docx 读取word文档中文本之前，我们先了解下python-docx 模块的几个概念。

•Document 对象，表示一个Word文档。

•Paragraph 对象，表示Word文档中的一个段落。

•Paragraph 对象的text属性，表示段落中的文本内容。

提取docx文件中文本信息使用python-docx 提取docx文件中文本数据，Python实现代码如下：如上，我们将python-docx.docx 文件中的文本信息，按行提取出来，存储到字典中，字典的Key为行号，Value为文本信息，执行上述代码，输出结果如下：提取docx文件中表格数据使用python-docx 提取docx文件中表格数据，Python实现代码如下：如上，我们将python-docx.docx 文件中的表单信息，按行提取出来，存储到列表中，列表每个元素为一个表格的数据，数据结构为字典，执行上述代码输出结果如下：写入数据到docx文件中我们同样可以利用python-docx 模块，实现docx文件的数据写入，如标题、字号、引用、列表、图片插入等等。

【三】如何使用python读取一篇docx文档，并检测其是否包含特定字符环境配置：python 3.9开发IDE：pycharm（一）使用python-docx库具体pip库的方式已经在本专栏的前文中提到啦，需要的朋友可以自己去看一下：【一】为什么有时候在cmd里pip的包，pycharm里面找不到？以下是docx库官方的示例文档：from docx import Documentdoc = Document('demo.docx') #改为自己文件的存储地址#每一段的内容for para in doc.paragraphs:print(para.text)#每一段的编号、内容for i in range(len(doc.paragraphs)):print(str(i), doc.paragraphs[i].text)#表格tbs = doc.tablesfor tb in tbs:#行for row in tb.rows:#列for cell in row.cells:print(cell.text)#也可以用下面方法'''text = ''for p in cell.paragraphs:text += p.textprint(text)'''以下是输出结果（我直接把结果打印成PDF了，这样方便截图）：（二）使用方法解析（自我学习笔记 = 小白模式）当docx库在读取文件的时候，它会采用一段一段读的方式。

把每一段的内容读进来之后，再合并在一起。

注意此处代码中的para，我认为这是docx库里的一个默认参数，代表每个当前段落。

#每一段的内容for para in doc.paragraphs:print(para.text)text是para的一个属性，代表para的内容。

一个示例：1）原文档截图如下：2）代码：from docx import Documentdoc = Document('D:\周计划\FirstWeekPlan.docx') #打开文件#读取段落内容,并打印for para in doc.paragraphs:print(para.text)3）输出结果展示：这展示了几个结论：第一，para在读取文档内容的时候，确实是分段的。