python处理document文档保留原样式


Posted in Python onSeptember 23, 2019

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三水点靠木。

Python 相关文章推荐
python回调函数的使用方法
Jan 23 Python
python 全文检索引擎详解
Apr 25 Python
python学生信息管理系统(初级版)
Oct 17 Python
详解Python 调用C# dll库最简方法
Jun 20 Python
python实现输出一个序列的所有子序列示例
Nov 18 Python
python使用 cx_Oracle 模块进行查询操作示例
Nov 28 Python
python多线程使用方法实例详解
Dec 30 Python
tensorflow使用range_input_producer多线程读取数据实例
Jan 20 Python
Python3 filecmp模块测试比较文件原理解析
Mar 23 Python
python与idea的集成的实现
Nov 20 Python
如何将numpy二维数组中的np.nan值替换为指定的值
May 14 Python
python3 字符串str和bytes相互转换
Mar 23 Python
python 进程间数据共享multiProcess.Manger实现解析
Sep 23 #Python
python程序 线程队列queue使用方法解析
Sep 23 #Python
python程序 创建多线程过程详解
Sep 23 #Python
详解python播放音频的三种方法
Sep 23 #Python
Python进程间通信 multiProcessing Queue队列实现详解
Sep 23 #Python
python程序中的线程操作 concurrent模块使用详解
Sep 23 #Python
Python3 pandas 操作列表实例详解
Sep 23 #Python
You might like
ThinkPHP文件上传实例教程
2014/08/22 PHP
js 文件引入实现代码
2010/04/23 Javascript
通过url查找a元素应用案例
2014/04/29 Javascript
如何正确使用javascript 来进行我们的程序开发
2014/06/23 Javascript
javascript几个易错点记录
2014/11/26 Javascript
JS实现简单路由器功能的方法
2015/05/27 Javascript
解决js函数闭包内存泄露问题的办法
2016/01/25 Javascript
Bootstrap Table服务器分页与在线编辑应用总结
2016/08/08 Javascript
jQuery实现的瀑布流加载效果示例
2016/09/13 Javascript
浅谈js之字面量、对象字面量的访问、关键字in的用法
2016/11/20 Javascript
JS日程管理插件FullCalendar中文说明文档
2017/02/06 Javascript
原生JS发送异步数据请求
2017/06/08 Javascript
详解webpack+vue-cli项目打包技巧
2017/06/17 Javascript
mac上node.js环境的安装测试
2017/07/03 Javascript
关于webpack2和模块打包的新手指南(小结)
2017/08/07 Javascript
angular内置provider之$compileProvider详解
2017/09/27 Javascript
vue滚动轴插件better-scroll使用详解
2017/10/17 Javascript
Vue中render函数的使用方法
2018/01/31 Javascript
tornado捕获和处理404错误的方法
2014/02/26 Python
Python找出最小的K个数实例代码
2018/01/04 Python
python分治法求二维数组局部峰值方法
2018/04/03 Python
Python实现查找数组中任意第k大的数字算法示例
2019/01/23 Python
python利用opencv实现SIFT特征提取与匹配
2020/03/05 Python
使用keras时input_shape的维度表示问题说明
2020/06/29 Python
html5教程画矩形代码分享
2013/12/04 HTML / CSS
如何让pre和textarea等HTML元素去掉滚动条自动换行自适应文本内容高度
2019/08/01 HTML / CSS
深深扎根运动世界的生活品牌:Tillys
2017/10/30 全球购物
Carter’s官方旗舰店:美国受欢迎的婴童服装品牌
2018/01/21 全球购物
东芝官网商城:还原日式美学,打造美好生活
2018/12/27 全球购物
New Balance比利时官方网站:购买鞋子和服装
2021/01/15 全球购物
信息专业毕业生五年职业规划参考
2014/02/06 职场文书
职业女性的职业规划
2014/03/04 职场文书
中学教师师德师风演讲稿
2014/08/22 职场文书
2014购房个人委托书范本
2014/10/12 职场文书
单位作风建设自查报告
2014/10/23 职场文书
postgres之jsonb属性的使用操作
2021/06/23 PostgreSQL