python处理document文档保留原样式

Python  /  管理员 发布于 7年前   216

document文档格式、线段、图片、页眉页脚等都不变，供大家参考，具体内容如下

# -*- coding: utf-8 -*-# @Time  : 2019/5/6 11:46# @Author :"""# 利用python-docx替换文章中的内容pip install python-docx# 格式、线段、图片、页眉页脚等都不变# python-docx 在处理超链接的问题时,可以参考一下链接对源码进行修改https://github.com/python-openxml/python-docx/issues/85# 具体修改操作如下\site-packages\docx\oxml\__init__.py# 需要新增的代码def remove_hyperlink_tags(xml):  import re  text = xml.decode('utf-8')  text = text.replace("</w:hyperlink>","")  text = re.sub('<w:hyperlink[^>]*>', "", text)  return text.encode('utf-8')# 需要修改的源码def parse_xml(xml):  root_element = etree.fromstring(remove_hyperlink_tags(xml), oxml_parser)  return root_element"""import osfrom docx import Documentfrom win32com import client# 自己写的逐句翻译包import doc_scandef pre_document(filename):  """  由于python_docx（只能读取.docx文件，不能读取.doc文件）  将对应文件夹下的doc文件转为docx文件  :param filename: 文件的绝对路径  :return:  """  file_tuple = os.path.splitext(filename)  if file_tuple[1] == '.doc':    word = client.Dispatch('Word.Application')    doc = word.Documents.Open(filename) # 目标路径下的文件    doc.SaveAs(file_tuple[0] + ".docx", 16) # 转化后路径下的文件    doc.Close()    word.Quit()    # 把源文件删除    os.remove(filename)def read_document():  """  原文文章为中文,然后将中文逐句翻译成英文,把英文替换原来的中文,保留文章的原样式  :return:  """  # 遍历doc文件下的所有的文件  path = os.path.dirname(os.path.abspath(__file__)) + '\doc'  for f in os.listdir(path):    file = "%s\%s" % (path, f)    # 对源文件进行预处理    pre_document(file)    document = Document(file)    for num, paragraph in enumerate(document.paragraphs):      # 获取每段中的文字      old_text = paragraph.text.strip()      if old_text:        inlines = paragraph.runs        if inlines:          # 将原有的文章里面的内容为空          for li, inli in enumerate(inlines):inlines[li].text = inlines[li].text.replace(inlines[li].text, '')          new_text = doc_scan.Scan(old_text)          # 把翻译好的文章句子 替换到 零号位置上面          inlines[0].text = new_text    # 保存文件,覆盖操作    document.save(file)# 将document中的图片下载到本地# document = Document(file)# for shape in document.inline_shapes:#   contentID = shape._inline.graphic.graphicData.pic.blipFill.blip.embed#   contentType = document.part.related_parts[contentID].content_type#   if not contentType.startswith('image'):#     continue#   imgName = basename(document.part.related_parts[contentID].partname)#   imgData = document.part.related_parts[contentID]._blob#   with open(imgName,'wb') as fp:#     fp.write(imgData)if __name__ == '__main__':  read_document()

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。