Python玩转Office：100天从菜鸟到大神之Word/PPT自动化

内容摘要：Python玩转Office：100天从菜鸟到大神之Word/PPT自动化,

在日常工作中，我们经常需要处理大量的 Word 和 PowerPoint 文件，例如批量生成报告、更新 PPT 内容等。手动操作不仅效率低下，还容易出错。今天，我们就来学习如何使用 Python 操作 Word 和 PowerPoint 文件，实现自动化办公，告别重复劳动。 这也是“Python - 100天从新手到大师”系列的第二十六天内容，让我们一起进步！

底层原理深度剖析：python-docx 与 python-pptx

要使用 Python 操作 Word 和 PowerPoint 文件，我们需要借助两个强大的第三方库：python-docx 和 python-pptx。

python-docx

python-docx 库允许我们创建、修改 Word .docx 文件。它的底层原理是解析和修改 Word 文档的 XML 结构。.docx 文件本质上是一个 ZIP 压缩包，其中包含了描述文档内容、格式等信息的 XML 文件。python-docx 库提供了一系列 API，让我们能够方便地访问和修改这些 XML 文件，从而实现对 Word 文档的各种操作。

当我们使用 python-docx 创建一个新的 Word 文档时，实际上是创建了一组预定义的 XML 结构，然后我们可以通过 API 添加段落、标题、表格、图片等元素，并设置它们的格式。当我们修改一个现有的 Word 文档时，python-docx 会解析文档的 XML 结构，然后我们可以通过 API 修改已有的元素或添加新的元素。

python-pptx

与 python-docx 类似，python-pptx 库也允许我们创建、修改 PowerPoint .pptx 文件。.pptx 文件也是一个 ZIP 压缩包，其中包含了描述幻灯片内容、格式等信息的 XML 文件。python-pptx 库提供了一系列 API，让我们能够方便地访问和修改这些 XML 文件，从而实现对 PowerPoint 文档的各种操作。

需要注意的是，这两个库都依赖于 lxml 库，因此在安装 python-docx 或 python-pptx 之前，需要先安装 lxml 库。

具体代码解决方案

使用 python-docx 操作 Word 文件

1. 安装 python-docx 库

pip install python-docx

2. 创建 Word 文档

from docx import Document

document = Document() # 创建一个新的 Word 文档

document.add_heading('Document Title', 0) # 添加标题，级别为 0

p = document.add_paragraph('A plain paragraph having some ') # 添加段落
p.add_run('bold').bold = True # 添加粗体文本
p.add_run(' and some ') # 添加普通文本
p.add_run('italic.').italic = True # 添加斜体文本

document.add_heading('Heading, level 1', level=1) # 添加一级标题
document.add_paragraph('Intense quote', style='Intense Quote') # 添加引用

document.add_paragraph(
    'first item in unordered list', style='List Bullet' # 添加无序列表
)
document.add_paragraph(
    'first item in ordered list', style='List Number' # 添加有序列表
)

document.add_picture('image.png', width=Inches(1.25)) # 添加图片，需要先准备一张名为 image.png 的图片

table = document.add_table(rows=1, cols=3) # 添加表格，1 行 3 列
hdr_cells = table.rows[0].cells # 获取表头单元格
hdr_cells[0].text = 'Qty'
hdr_cells[1].text = 'Id'
hdr_cells[2].text = 'Desc'
for i in range(10):
    row_cells = table.add_row().cells # 添加一行
    row_cells[0].text = str(i)
    row_cells[1].text = '00' + str(i)
    row_cells[2].text = 'test'

document.add_page_break() # 添加分页符

document.save('demo.docx') # 保存文档

3. 修改 Word 文档

from docx import Document

document = Document('demo.docx') # 打开一个已存在的 Word 文档

for paragraph in document.paragraphs:
    if 'bold' in paragraph.text:
        paragraph.text = paragraph.text.replace('bold', 'very bold') # 替换文本

document.save('demo_modified.docx') # 保存修改后的文档

使用 python-pptx 操作 PowerPoint 文件

1. 安装 python-pptx 库

pip install python-pptx

2. 创建 PowerPoint 文档

from pptx import Presentation
from pptx.util import Inches

prs = Presentation() # 创建一个新的 PowerPoint 文档
title_slide_layout = prs.slide_layouts[0] # 获取标题幻灯片布局
slide = prs.slides.add_slide(title_slide_layout) # 添加一个幻灯片
title = slide.shapes.title # 获取标题
subtitle = slide.placeholders[1] # 获取副标题

title.text = 'Hello, World!' # 设置标题文本
subtitle.text = 'python-pptx was here!' # 设置副标题文本

bullet_slide_layout = prs.slide_layouts[1] # 获取项目符号幻灯片布局
slide = prs.slides.add_slide(bullet_slide_layout) # 添加一个幻灯片
title = slide.shapes.title # 获取标题
body_shape = slide.shapes.placeholders[1] # 获取文本框
tf = body_shape.text_frame # 获取文本框的文本框架

title.text = 'Adding a bullet slide' # 设置标题文本

tf.text = 'Find the bullet slide layout' # 添加第一行文本
p = tf.add_paragraph() # 添加一个段落
p.text = 'Use _TextFrame.text for first bullet' # 设置第二行文本
p = tf.add_paragraph() # 添加一个段落
p.text = 'Add more bullets using _TextFrame.add_paragraph()' # 设置第三行文本

left = top = width = height = Inches(1) # 设置图片的位置和大小
pic = slide.shapes.add_picture('image.png', left, top, width=width, height=height) # 添加图片，需要先准备一张名为 image.png 的图片

prs.save('demo.pptx') # 保存文档

3. 修改 PowerPoint 文档

from pptx import Presentation

prs = Presentation('demo.pptx') # 打开一个已存在的 PowerPoint 文档

for slide in prs.slides:
    for shape in slide.shapes:
        if shape.has_text_frame:
            if 'Hello' in shape.text_frame.text:
                shape.text_frame.text = shape.text_frame.text.replace('Hello', 'Goodbye') # 替换文本

prs.save('demo_modified.pptx') # 保存修改后的文档

实战避坑经验总结

1. 编码问题：在使用 python-docx 和 python-pptx 处理中文文本时，可能会遇到编码问题。建议在代码中使用 utf-8 编码，并在读取和写入文件时指定编码方式。

   

2. 字体问题：在设置文本格式时，需要注意字体问题。如果使用的字体在目标系统上不存在，可能会导致显示异常。建议使用常见的字体，或者在文档中嵌入字体。

3. 图片问题：在添加图片时，需要注意图片的大小和格式。如果图片太大，可能会导致文档过大。如果图片格式不支持，可能会导致显示异常。建议使用合适的图片大小和格式。

   

4. 依赖包版本问题: 在某些环境下，python-docx 与 lxml 的版本兼容性可能存在问题。如果遇到 ImportError 或 lxml 相关的错误，尝试升级或降级 lxml 包。

5. PPT 模板: 对于复杂的 PPT 格式，从零开始创建比较困难。可以先手动创建一个 PPT 模板，然后使用 python-pptx 读取并修改这个模板，这样可以大大提高效率。

6. 性能优化: 当处理大量 Word 或 PPT 文件时，性能可能成为瓶颈。可以考虑使用多线程或多进程来加速处理过程，或者使用更高效的库（例如，直接操作 XML 文件）。同时，合理使用缓存也能有效提升性能。例如，对于多次使用的样式或布局，可以先缓存起来，避免重复创建。

掌握了 Python 操作 Word 和 PowerPoint 文件的方法，我们可以将它们应用于各种实际场景中，例如自动化生成报告、批量更新 PPT 内容、数据分析可视化等。希望今天的分享对大家有所帮助，让我们一起用 Python 提升工作效率！