Python爬虫生成word python生成docx

        python-docx是用来处理word文档的一个python库，用他可以很方便的操作Word2017及以后的文档。可以对Word做新建和编辑操作。

        官方帮助文档地址：python-docx — python-docx 1.1.0 documentation

1、python-docx安装   

打开命令行，输入以下命令按回车

pip install python-docx

2、Demo

使用pycharm创建一个python工程，或者使用vscode创建一个python文件，复制下面的代码，然后

运行，会在运行python文件的同级目录，生成一个名为demo.docx的Word文档。

from docx import Document
from docx.shared import Inches

document = Document()

document.add_heading('Document Title', 0)

p = document.add_paragraph('A plain paragraph having some ')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True

document.add_heading('Heading, level 1', level=1)
document.add_paragraph('Intense quote', style='Intense Quote')

document.add_paragraph(
    'first item in unordered list', style='List Bullet'
)
document.add_paragraph(
    'first item in ordered list', style='List Number'
)

document.add_picture('monty-truth.png', width=Inches(1.25))

records = (
    (3, '101', 'Spam'),
    (7, '422', 'Eggs'),
    (4, '631', 'Spam, spam, eggs, and spam')
)

table = document.add_table(rows=1, cols=3)
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'Qty'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for qty, id, desc in records:
    row_cells = table.add_row().cells
    row_cells[0].text = str(qty)
    row_cells[1].text = id
    row_cells[2].text = desc

document.add_page_break()

document.save('demo.docx')

Demo生成的Word文档打开如下图，Demo的演示中包括：标题，段落，一级标题，无序列表，有序列表，图片，表格，分页。

3、理解python-docx

3.1、Document对象（文档）

Document是一个Word文档对象，每一个Word文档，对应一个Document对象，Word文档里面的段落、表格、图片等都是基于Document对象去处理的。

在python-docx中，创建一个新的Document对象，然后保存，就生成一个空白文档。

document = Document()
document.save('demo.docx')

创建一个新的Document对象的时候，指定一个Word文档，就把Word读取到了Document对象中。保存时指定一个新的名称，就会生成一份新的文档，相当于做了一个复制。

document = Document(r'C:\Python\test.docx)
document.save(r'demo.docx')

3.2、Section对象（节）

Word文档里有一个【节】的概念，即文档中具有相同页面布局设置（如页边距和页面方向、页眉页脚）的部分。比如，一个文档中可以包含一些纵向布局的页面，和一些横向布局的页面，并且这些页面可以有自己的页眉和页脚。这种效果就是通过【节】实现的。

大部分Word文档默认只有一个部分，而且大多数文档无需更改默认页边距或其他页面布局。但是，当需要更改页面布局时，需要使用Section对象才能实现。

Document对象新建时默认没有段落，但默认有一个【节】。

3.2.1、添加和获取节

from docx import Document
from docx.enum.section import WD_SECTION_START

document = Document()

# 添加 节
document.add_section(start_type=WD_SECTION_START.NEW_PAGE)

# 获取 节
sections = document.sections

# WD_SECTION_START.CONTINUOUS  连续分节符，枚举值0
# WD_SECTION_START.NEW_COLUMN  新列分节符，枚举值1
# WD_SECTION_START.NEW_PAGE    新页分节符，枚举值2
# WD_SECTION_START.EVEN_PAGE   偶数页分节符，枚举值3
# WD_SECTION_START.ODD_PAGE    奇数页分节符，枚举值4

如果插入【节】的时候不指定节的类型，默认是WD_SECTION_START.NEW_PAGE，即从新页开始一个【节】。

3.2.2、设置节的大小(即设置纸张的大小)

from docx import Document
from docx.shared import Cm

document = Document("demo.docx")
default_section = document.sections[0]
# 默认宽度和高度
print(default_section.page_width.cm)
print(default_section.page_height.cm)
# 可以修改宽度和高度，即自定义纸张大小
default_section.page_width = Cm(30)
default_section.page_height = Cm(20)

3.2.3、设置纸张方向

from docx.enum.section import WD_ORIENTATION

print(default_section.orientation)  # 默认是PORTRAIT，纵向
default_section.orientation = WD_ORIENTATION.LANDSCAPE  # 横向
# 手动互换高度和宽带
origin_width = default_section.page_width
origin_height = default_section.page_height
default_section.page_width = origin_height
default_section.page_height = origin_width

Section对象的orientation控制纸张的方向，WD_ORIENTATION枚举类型有PORTRAIT和LANDSCAPE两个，分别表示纵向和横向，可以用数字0和1代替。

默认是纵向（PORTRAIT），如果要改为横向，除了修改orientation还需要手动调换一下Section的宽度和高度。

3.2.4、设置页边距

print(default_section.top_margin.cm)  
print(default_section.right_margin.cm)  
print(default_section.bottom_margin.cm)  
print(default_section.left_margin.cm)  
# 修改页边距
default_section.top_margin = Cm(2)
default_section.right_margin = Cm(3)
default_section.bottom_margin = Cm(2)
default_section.left_margin = Cm(3)

3.2.4、设置页眉页脚

# 页眉
header = default_section.header  # 获取节的页眉
header.paragraphs[0].add_run("这是页眉")  # 添加页眉文本
header.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.CENTER  # 页眉样式，居中对齐
print(default_section.header_distance.cm)  # 页眉到顶端的距离
default_section.header_distance = Cm(1)  # 修改页眉到顶端的距离

# 页脚
footer = default_section.footer  # 获取节的页脚
footer.paragraphs[0].add_run("这是页脚")  # 添加页脚文本
footer.paragraphs[0].alignment = WD_PARAGRAPH_ALIGNMENT.LEFT  # 页脚，居左对齐
print(default_section.footer_distance.cm)  # 页脚到底端的距离
default_section.footer_distance = Cm(1)  # 修改页脚到底端的距离

Section对象的header属性和footer属性可以获取到页眉和页脚。

3.3、Paragraph对象（段落）

 Paragraph表示文档中的段落，可以理解为一个回车就是一段，内容(比如文字)输出在【段】里。

使用方式一：直接添加Paragraph和内容

document.add_paragraph('A plain paragraph having some ')

这样会把内容直接输出为一段，后面带一个回车

问题是文字的样式会使用Document的默认样式，通常不是我们想要的

使用方式二：添加Paragraph，获得Paragraph对象，然后再对该对象添加内容和样式等

p = document.add_paragraph()
p.add_run('A plain paragraph having some ')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True

这样可以对内容做更详细的处理，比如某几个字加粗，某几个字改变颜色，某几个字加下划线等。

这种详细的处理，是通过add_run()方法实现的，add_run()会返回一个Run对象，这个Run对象就是最小的处理单元了。

3.4、Run对象（内容）

Run对象是通过 Paragraph对象调用 add_run() 方法获得的，也就是 Run对象是基于 Paragraph对象产生的。一个Paragraph对象可以产生多个Run对象。

针对产生的Run对象，可以做详细具体的设置。

p = document.add_paragraph('A plain paragraph having some ')
p.add_run('bold').bold = True
p.add_run(' and some ')
p.add_run('italic.').italic = True

p1 = document.add_paragraph()
r1 = p1.add_run()
r1.text = 'run2'
r1.bold = True

运行效果：

3.5、插入图片

示例：插入图片

document.add_picture('demo_pic.png', width=Inches(1.25), height=Inches(1.25))
# 或
pic = document.add_picture('demo_pic.png')
pic.width = Inches(1.25)
pic.height = Inches(1.25)

效果：

方法说明： 

[source]
def add_picture(
        self,
        image_path_or_stream: str | IO[bytes],
        width: int | Length | None = None,
        height: int | Length | None = None,
    ):
    run = self.add_paragraph().add_run()
    return run.add_picture(image_path_or_stream, width, height)

'''
第一个参数 image_path_or_stream ：必填，图片路径或stream bytes
第二个参数 width，可选
第三个参数 height，可选
'''

注意：

可以在 document中插入图片，也可以在 paragraph中插入图片，也可以在 run中插入图片。 

3.6、插入表格

示例：创建一个四行三列的表格，没有样式（边框、对齐等）

records = (
    (3, '101', 'Spam'),
    (7, '422', 'Eggs'),
    (4, '631', 'Spam, spam, eggs, and spam')
)

table = document.add_table(rows=1, cols=3)
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'Qty'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for qty, id, desc in records:
    row_cells = table.add_row().cells
    row_cells[0].text = str(qty)
    row_cells[1].text = id
    row_cells[2].text = desc

效果：

方法说明：

[source]
def add_table(self, rows: int, cols: int, style: str | _TableStyle | None = None):
    table = self._body.add_table(rows, cols, self._block_width)
    table.style = style
    return table

"""
第一个参数 rows：必填，创建的表格的行数
第二个参数 cols：必填，创建的表格的列数
第三个参数 style：选填
"""

注意：

rows 和 cols 是必填项，可以设置为0，即创建一个空的表格。之后再对返回的table对象进行设置

table = document.add_table(rows=0, cols=0)

3.7、换页

'''
 第一个段落输出结束后
 在段落后面产生一个新页面
 '这是第二个段落' 即输出在新页面上
'''
document.add_paragraph('这是第一个段落')
document.add_page_break()
document.add_paragraph('这是第二个段落')

'''
 指定位置分页
'''
from docx.enum.text import WD_BREAK
paragraph1 = document.add_paragraph("这是一个段落，这是其中一节")  # 添加一个段落
paragraph1.runs[-1].add_break(WD_BREAK.PAGE)  # 在段落的最后一节后面添加分页

常用的python-docx对象就是以上几个，上面对python-docx做了简单介绍，让大家了解python-docx可以做什么，有哪些主要对象和组成部分，对python-docx有了一个初步的认识和基本的概念。

实际使用中，往往不像demo这么简单，比如样式，字体大小，颜色等等都有要求，这就需要对细节做详细的介绍。