Python操作docx文件：表格与文字处理全攻略

在自动化办公场景中，Word文档（.docx）处理是高频需求。Python的python-docx库凭借其强大的功能，成为开发者处理Word文档的首选工具。本文将深入探讨如何通过该库高效操作Word文档中的表格与文字，从基础操作到进阶技巧，为开发者提供全流程解决方案。

一、环境准备与基础操作

1.1 安装与导入

使用python-docx前，需通过pip安装：

pip install python-docx

导入库时，推荐使用别名docx以提高代码可读性：

from docx import Document

1.2 创建与保存文档

创建新文档或加载现有文档的代码如下：

# 创建新文档
doc = Document()
# 加载现有文档
doc = Document("existing.docx")
# 保存文档
doc.save("new.docx")

二、表格操作详解

2.1 表格创建与结构控制

python-docx支持通过add_table()方法创建表格，参数为行数和列数：

table = doc.add_table(rows=3, cols=2)

进阶技巧：

• 动态列宽：通过table.columns[0].width设置列宽（单位为EMU，1厘米≈360000EMU）
• 合并单元格：使用merge()方法合并指定单元格

# 合并第一行前两列
cell = table.cell(0, 0)
cell.merge(table.cell(0, 1))

2.2 表格内容填充

填充表格数据时，需通过cell.text属性或add_paragraph()方法：

# 直接设置单元格文本
table.cell(0, 0).text = "姓名"
table.cell(0, 1).text = "年龄"
# 添加带格式的段落
from docx.shared import Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH
cell = table.cell(1, 0)
paragraph = cell.add_paragraph("张三")
paragraph.alignment = WD_ALIGN_PARAGRAPH.CENTER
run = paragraph.add_run()
run.font.size = Pt(12)

2.3 表格样式定制

通过table.style属性应用内置样式或自定义样式：

# 应用内置样式
table.style = "Table Grid"
# 自定义样式（需先定义样式）
from docx.oxml.ns import qn
from docx.shared import RGBColor
style = doc.styles["Normal"]
font = style.font
font.name = "微软雅黑"
font.color.rgb = RGBColor(0x42, 0x24, 0xE9)

三、文字处理进阶

3.1 段落与文本控制

添加段落时，可通过add_paragraph()方法并设置格式：

from docx.shared import Pt, Inches
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
para = doc.add_paragraph("这是一段示例文本")
para.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
run = para.add_run("（加粗部分）")
run.bold = True
run.font.size = Pt(14)

3.2 样式管理与复用

定义可复用的样式能显著提升代码效率：

# 定义标题样式
styles = doc.styles
title_style = styles.add_style("TitleStyle", 1)  # 1表示段落样式
title_font = title_style.font
title_font.name = "黑体"
title_font.size = Pt(16)
title_font.bold = True
# 应用样式
para = doc.add_paragraph("文档标题", style="TitleStyle")

3.3 文本提取与修改

从现有文档中提取文本时，需遍历所有段落和表格：

def extract_text(doc_path):
    doc = Document(doc_path)
    text = []
    for para in doc.paragraphs:
        text.append(para.text)
    for table in doc.tables:
        for row in table.rows:
            row_text = []
            for cell in row.cells:
                row_text.append(cell.text)
            text.append(" | ".join(row_text))
    return "\n".join(text)

四、实战案例：自动化报告生成

4.1 需求分析

假设需生成包含学生成绩表的月度报告，要求：

• 表格包含姓名、科目、成绩三列
• 成绩按降序排列
• 标题使用特定样式
• 底部添加生成时间

4.2 代码实现

from docx import Document
from docx.shared import Pt, Inches
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
import datetime
# 模拟数据
students = [
    {"name": "张三", "subject": "数学", "score": 95},
    {"name": "李四", "subject": "数学", "score": 88},
    {"name": "王五", "subject": "数学", "score": 92}
]
# 按成绩降序排序
students.sort(key=lambda x: x["score"], reverse=True)
# 创建文档
doc = Document()
# 添加标题
title = doc.add_paragraph("学生成绩月度报告")
title.style = "Heading 1"
title.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
# 添加表格
table = doc.add_table(rows=1, cols=3)
table.style = "Table Grid"
# 设置表头
hdr_cells = table.rows[0].cells
hdr_cells[0].text = "姓名"
hdr_cells[1].text = "科目"
hdr_cells[2].text = "成绩"
# 填充数据
for student in students:
    row_cells = table.add_row().cells
    row_cells[0].text = student["name"]
    row_cells[1].text = student["subject"]
    row_cells[2].text = str(student["score"])
# 添加生成时间
now = datetime.datetime.now()
footer = doc.add_paragraph(f"报告生成时间：{now.strftime('%Y-%m-%d %H:%M')}")
footer.alignment = WD_PARAGRAPH_ALIGNMENT.RIGHT
# 保存文档
doc.save("monthly_report.docx")

五、常见问题与解决方案

5.1 中文乱码问题

原因：未指定中文字体
解决方案：

from docx.shared import Pt
# 设置全局字体
styles = doc.styles
normal_style = styles["Normal"]
font = normal_style.font
font.name = "微软雅黑"
font.element.rPr.rFonts.set(qn("w:eastAsia"), "微软雅黑")

5.2 表格边框缺失

原因：未应用带边框的样式
解决方案：

table.style = "Table Grid"  # 使用内置带边框样式
# 或自定义边框
from docx.oxml import OxmlElement
from docx.oxml.ns import qn
def set_cell_border(cell, **kwargs):
    tc = cell._tc
    tcPr = tc.get_or_add_tcPr()
    for border_name in ["top", "left", "bottom", "right"]:
        border = kwargs.get(border_name)
        if border:
            tcBdr = OxmlElement(f"w:{border_name}Bdr")
            for key, value in border.items():
                tcBdr.set(qn(f"w:{key}"), str(value))
            tcPr.append(tcBdr)
# 使用示例
cell = table.cell(0, 0)
set_cell_border(
    cell,
    top={"val": "single", "sz": 4, "color": "000000"},
    bottom={"val": "single", "sz": 4, "color": "000000"}
)

六、性能优化建议

1. 批量操作：避免频繁保存，集中所有修改后一次性保存
2. 样式复用：定义全局样式而非逐段设置
3. 内存管理：处理大文档时，考虑分块处理或使用Document.part.package直接操作
4. 模板化：对固定格式文档，预先制作模板文件

七、总结与展望

python-docx库为Word文档自动化处理提供了强大支持，通过合理运用表格操作、文字格式控制和样式管理，可实现从简单文档生成到复杂报告定制的全流程自动化。未来，随着Office文档格式的演进，建议开发者关注：

• 对.docx新特性的支持
• 与其他库（如pandas）的集成
• 跨平台兼容性优化

掌握本文介绍的技巧后，开发者将能高效应对各类Word文档处理需求，显著提升办公自动化水平。