python处理document文档保留原样式
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 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()
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我们。
赞 (0)