前言：

前两篇博客介绍了 Python 的 docx 模块对 Word 文档的写操作，这篇博客将介绍如何用 docx 模块读取已有 Word 文档中的信息。

本篇博客主要内容有：

1、获取文档的章节信息；
2、获取段落文本信息；
3、获取表格内文本信息；
4、获取文档内格式信息。

1、获取文档章节信息：

1、用docx模块获取已有的word文档对象：

from docx import Document

# Document 类，不仅可以新建word文档，也可以打开一个本地文档
doc = Document('test03.docx')  # 想获取的文档文件名，这里是相对路径。

用做示例的 test03.docx 文件截图如下：

文档中有两个章节共两页（一个章节一页），一个章节的页面为 A3 ，另一个为 A4。

2、获取文档章节信息：

# 获取文档所有章节
sections = doc.sections
"class Sections(Sequence):"
print(sections)
# <docx.section.Sections object at 0x000000000B2E1148>
# 查看章节数量
print(len(sections)) # 2

注意：
章节对象的概念虽然比段落对象大，章节对象可以设置本章节的页面大小页眉页脚等，在该章节的段落对象必须遵守该章节的设置。
但是又并不存在包含关系，也就是说不能通过章节对象获取到段落信息。

3、获取页边距等信息：

# 获取章节对象的页边距等信息
sec0 = sections[0]
"class Section(object):"
''' 官方解释：文档节，提供对节和页面设置的访问。 还提供对页眉和页脚的访问。 '''
print(sec0)
# <docx.section.Section object at 0x000000000B2D5708>
# 获取章节页面信息
# 获取页面边距值：（单位为像素）
print('左边距：',sec0.left_margin)
# 左边距： 914400
print('右边距：',sec0.right_margin)
# 右边距： 914400
print('上边距：',sec0.top_margin)
# 上边距： 1143000
print('下边距：',sec0.bottom_margin)
# 下边距： 1143000
print('页眉边距：',sec0.header_distance)
# 页眉边距： 540385
print('页脚边距：',sec0.footer_distance)
# 页脚边距： 629920
print('页面方向：',sec0.orientation)
# 页面方向： LANDSCAPE (1)
print('页面高度：',sec0.page_height)
# 页面高度： 10657205
print('页面宽度：',sec0.page_width)
# 页面宽度： 15085695

这里获取的是第一个章节的页面信息，也就是 A3 页面的信息。

注：上一篇博客 往Word文档中插入图片、表格，设置表格样式，章节，页眉页脚等，在介绍设置页面信息时，忘记介绍如何设置页面方向了，这里补充一下：

设置页面方向：

# 导入设置页面方向所需模块
from docx.enum.section import WD_ORIENT
# 获取章节对象
section = document.sections[0]
# 设置页面方向
section.orientation = WD_ORIENT.LANDSCAPE # 横向

可设置项有横向( LANDSCAPE ) 和纵向 ( PORTRAIT )：

''' 'PORTRAIT', 0, 'portrait', 'Portrait orientation.' 'LANDSCAPE', 1, 'landscape', 'Landscape orientation.' '''

文档截图：

4、获取文档页眉页脚信息：

head0 = sec0.header # 获取页眉对象
print(head0)
# <docx.section._Header object at 0x000000000B2E1348>
head0_pars = head0.paragraphs # 获取 页眉 paragraphs
# 获取页眉文字信息
# 因存在多个 paragraph 对象的可能所以用循环读取的方式
head0_string = ''
for par in head0_pars:
    head0_string += par.text

print(head0_string)
# 仪征市马集镇总体规划（2017-2030）——说明

# 获取页脚信息，也是类似的方法
foot0 = sec0.footer
print(foot0) # 获取页脚对象
# <docx.section._Footer object at 0x000000000B2E3808>
foot0_pars = foot0.paragraphs
foot0_string = ''
for par in foot0_pars:
    foot0_string += par.text
print(foot0_string)
# 1

2、获取段落文字信息：

1、获取Word文档所有段落对象：

"获取文档所有段落信息："
# 获取文档所有段落对象
paragraphs = doc.paragraphs

注意：
paragraphs 获取的是文档中所有段落对象的列表，严格来说是word文档中正文部分的段落对象列表。因为通过前文的介绍，许多除正文部分，如 表格，页面页脚等元素也包含 paragraph 对象。
而 doc.paragraphs 获取到的 paragraph 不包含这些段落对象。

2、获取段落对象文字信息：

print(paragraphs)
print(len(paragraphs))  # 打印结果：20

# 获取一个段落对象的文字信息
par0 = paragraphs[0]
print(par0)
par0_string = par0.text
print(par0_string)

# 获取所有段落文字信息
pars_string = [par.text for par in paragraphs]
print(pars_string)

par0_string 打印截图：

3、获取段落格式信息：

print('段落对齐方式：',par0.paragraph_format.alignment)
# 段落对齐方式： LEFt (0)
print('左缩进：',par0.paragraph_format.left_indent)
# 左缩进： None
print('右缩进：',par0.paragraph_format.right_indent)
# 右缩进： None
print('首行缩进：',par0.paragraph_format.first_line_indent)
# 首行缩进： 304800
print('行间距：',par0.paragraph_format.line_spacing)
# 行间距： 1.5
print('段前间距：',par0.paragraph_format.space_before)
# 段前间距： 198120
print('段后间距：',par0.paragraph_format.space_after)
# 段后间距： 198120

LIK1

 

3、获取文字格式信息：

paragraph 对象 里还有更小的 run 对象，run 对象才包含了段落对象的文字信息。
paragraph.text 方法也是通过 run 对象的方法获取到文字信息的：

paragraph.text 方法源码：

def text(self):
     text = ''
        for run in self.runs:
            text += run.text
        return text

文字的字体、大小、下划线等信息都包含在 run 对象中（不清楚的看前面的博客）：

# 获取段落的 run 对象列表
runs = par0.runs
print(runs)
# 获取 run 对象
run_0 = runs[0]
print(run_0.text) # 获取 run 对象文字信息
# 打印结果：
# 坚持因地制宜，差异化打造特色小镇，

文档 段落 和 run 对象示意：

获取文字格式信息：

# 获取文字格式信息
print('字体名称：',run_0.font.name)
# 字体名称： 宋体
print('字体大小：',run_0.font.size)
# 字体大小： 152400
print('是否加粗：',run_0.font.bold)
# 是否加粗： None
print('是否斜体：',run_0.font.italic)
# 是否斜体： True
print('字体颜色：',run_0.font.color.rgb)
# 字体颜色： FF0000
print('字体高亮：',run_0.font.highlight_color)
# 字体高亮： YELLOW (7)
print('下划线：',run_0.font.underline)
# 下划线： True
print('删除线：',run_0.font.strike)
# 删除线： None
print('双删除线：',run_0.font.double_strike)
# 双删除线： None
print('下标：',run_0.font.subscript)
# 下标： None
print('上标：',run_0.font.superscript)
# 上标： None
LIK2

注：前面的博客好像也没介绍文字背景颜色的设置…

背景颜色设置方法： （与字体颜色设置方法有区别）

# 设置背景颜色
from  docx.enum.text import WD_COLOR_INDEX
run_2.font.highlight_color = WD_COLOR_INDEX.YELLOW

背景颜色可选值有：

''' 'AUTO', 0, 'default' 'BLACK', 1, 'black' 'BLUE', 2, 'blue' 'BRIGHT_GREEN', 4, 'green', 'DARK_BLUE', 9, 'darkBlue', 'DARK_RED', 13, 'darkRed' 'DARK_YELLOW', 14, 'darkYellow' 'GRAY_25', 16, 'lightGray' 'GRAY_50', 15, 'darkGray' 'GREEN', 11, 'darkGreen' 'PINK', 5, 'magenta' 'RED', 6, 'red' 'TEAL', 10, 'darkCyan' 'TURQUOISE', 3, 'cyan' 'VIOLET', 12, 'darkMagenta' 'WHITE', 8, 'white' 'YELLOW', 7, 'yellow' '''LIK3

4、获取文档中表格信息：

示例文档中表格截图：

1、获取表格样式、单元格对象及文字信息：

# 获取文档中表格信息
tables = doc.tables # 获取文档中所有表格对象的列表
print(tables)
# [<docx.table.Table object at 0x000001957059CD48>]
print(len(tables)) # 查看文档中表格数量
# 1
table0 = tables[0]  # 获取表格对象

# 获取表格的样式信息
print(table0.style)
# _TableStyle('Normal Table') id: 190621384

# 获取一个表格的所有单元格
cells = table0._cells
print(len(cells)) # 表格中单元格数量
# 15

# 获取单元格内所有文字信息
cells_string = [cell.text for cell in cells]
print(cells_string)

LIK4

cells_string 打印截图：

从截图中可以看出来，用 tableobj._cells 获取到的单元格对象列表是按行排列的。

2、获取表格的行列对象：

# 获取表格对象行数量、列数量
col_num = len(table0.columns)
print(col_num) # 3
# 行数量
row_num = len(table0.rows)
print(row_num) # 5

# 获取行对象
row0 = table0.rows[0]
# 获取列对象
col0 = table0.columns[0]

# 获取行对象文字信息
'要用 row0.cells 获取行对象的 cell 才能获取其文字信息'
row0_string = [cell.text for cell in row0.cells]
print(row0_string)

# 获取列对象文字信息
col0_string = [cell.text for cell in col0.cells]
print(col0_string)
LIK5

注：在介绍单元格格式信息时，说过单元格内文字信息也是通过 run 对象设置，故获取文字信息也和前面获取段落文字信息类似，就不重复讲了。

结尾：

以上就是本篇博客的全部内容了，后面将会用两个实例来将前面三篇博客的知识点串联起来，感谢阅读。

【Python与Office】专栏

该专栏会对 Python 的第三方模块，如：xlwt，xlrd，python-docx等，操作 Office 办公软件（Word Excel PPT）的方法进行详细讲解。同时也会搭配一些实例演练，一方面强化知识点的理解与运用，另一方面也希望能起到，引导读者进行思考：如何用 python 提高 offic 办公软件办公效率的作用。

 

感兴趣的朋友，可以点个 关注 或 收藏 。如在博客中遇到任何问题或有一些想法、需求，可留言或私信。

 

创作不易，你的支持是我最大的动力，感谢 ！