今天就跟大家聊聊有关python中怎么处理document文档，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
具体内容如下
# -*- coding: utf-8 -*-
# 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("","")
text = re.sub(']*>', "", 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 os
from docx import Document
from win32com import client
# 自己写的逐句翻译包
import doc_scan
def 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() 看完上述内容，你们对python中怎么处理document文档有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联成都网站设计公司行业资讯频道，感谢大家的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
