前提 手上有个活,要获取到docx格式的word文档,通过书签定位然后去更改书签处的图片或者问题。例如:签名章的应用。
因为一些原因,需要用到python去处理
下载python
版本如下图,下载的最新python版本。过程略
官网下载地址:https://www.python.org/downloads/windows/ 版本看自己选择
部署环境
使用VScode 集成python环境,之前做前端开发的时候下载的。就懒的处理.
过程略 参考链接VSCode集成python环境
处理书签
关于docx
感叹微软的强大,今天才知道 docx是一个压缩包:举例demo.docx文件
-
修改文件demo.docx 为 demo.zip
直接改后缀名即可
-
解压demo.zip 可以得到下图的内容
其中 word文件夹里边是存放的具体文字内容,打开里边的document.xml文件(
建议用浏览器打开查看,层次更清晰一些
) 可以对比出来docx文档中的内容:如下图
python解析代码
获取书签
代码处尽量能注释的都给注释了
下载的组件
pip install python-docx 处理document文档的
from zipfile import ZipFile
from xml.dom.minidom import parse #官网获取xml类
from docx import Document # 需要下载 具体 python install python-docx
from docx import shared
document=ZipFile(r'd://demo2.docx')
xml=document.read("word/document.xml")
booklist=['编制','校对','审核','标审','会签','批准']
with ZipFile('d://demo2.docx') as zin:
with zin.open('word/document.xml') as dxml:
domTree = parse(dxml)
# 文档根元素
rootNode = domTree.documentElement
# print(rootNode.nodeName)
bookMark = rootNode.getElementsByTagName("w:bookmarkStart")
print("所有的书签↓↓↓↓↓↓↓↓↓↓↓")
for mark in bookMark:
bookname = mark.getAttribute("w:name")
if bookname in booklist:
print("书签:",mark.getAttribute("w:name"))
print('读取结束')