DOCX Editor

DOCX 创建、编辑和分析

概述

用户可能要求你创建、编辑或分析 .docx 文件的内容。.docx 文件本质上是一个 ZIP 存档，包含 XML 文件和其他资源。

工作流程决策树

读取/分析内容

使用下面的"文本提取"或"原始 XML 访问"部分

创建新文档

使用"创建新的 Word 文档"工作流程

编辑现有文档

• 你自己的文档 + 简单更改 使用"基本 OOXML 编辑"工作流程

• 别人的文档 使用**"修订工作流程"**（推荐默认）

• 法律、学术、商业或政府文档 使用**"修订工作流程"**（必需）

读取和分析内容

文本提取

如果只需要读取文档的文本内容，应该使用 pandoc 将文档转换为 markdown。Pandoc 提供了出色的文档结构保留支持，并可以显示修订：

# 将文档转换为 markdown 并保留修订
pandoc --track-changes=all path-to-file.docx -o output.md
# 选项：--track-changes=accept/reject/all

创建新的 Word 文档

从零创建新的 Word 文档时，使用 python-docx，它允许使用 Python 创建 Word 文档。

工作流程

1. 安装 python-docx：pip install python-docx
2. 使用 Python 脚本创建文档

示例代码

from docx import Document
from docx.shared import Pt, RGBColor
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

# 创建新文档
doc = Document()

# 添加标题
title = doc.add_heading('文档标题', 0)
title.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER

# 添加段落
para = doc.add_paragraph()
run = para.add_run('这是普通文本，')
run.bold = True

run = para.add_run('这是粗体文本。')
run.font.color.rgb = RGBColor(0xFF, 0x00, 0x00)

# 添加表格
table = doc.add_table(rows=3, cols=3)
table.style = 'Table Grid'
for i in range(3):
    for j in range(3):
        cell = table.rows[i].cells[j]
        cell.text = f'单元格 {i+1}-{j+1}'

# 保存文档
doc.save('output.docx')

编辑现有的 Word 文档

基本编辑

from docx import Document

# 加载现有文档
doc = Document('existing.docx')

# 修改段落
for para in doc.paragraphs:
    if '旧文本' in para.text:
        para.text = para.text.replace('旧文本', '新文本')

# 添加新段落
doc.add_paragraph('新的段落内容')

# 保存
doc.save('modified.docx')

格式化编辑

from docx import Document
from docx.shared import Pt, RGBColor
from docx.enum.style import WD_STYLE_TYPE

doc = Document('existing.docx')

# 修改标题样式
for para in doc.paragraphs:
    if para.style.name.startswith('Heading'):
        para.runs[0].font.size = Pt(16)
        para.runs[0].font.color.rgb = RGBColor(0x42, 0x24, 0xE9)

# 保存
doc.save('formatted.docx')

使用修订跟踪

对于需要修订跟踪的专业文档编辑：

1. 使用 LibreOffice：

   soffice --headless --accept="socket,host=localhost,port=8100;urp;"
   

2. 使用 python-docx 添加修订（需要额外库）：

   # 需要更复杂的 OOXML 操作
   # 建议使用 LibreOffice 或专门的处理工具
   

常见任务

添加图片

from docx import Document
from docx.shared import Inches

doc = Document()

# 添加图片
doc.add_picture('image.png', width=Inches(4.0))

# 保存
doc.save('document_with_image.docx')

添加页眉页脚

from docx import Document

doc = Document()

# 添加页眉
section = doc.sections[0]
header = section.header
header_para = header.paragraphs[0]
header_para.text = "这是页眉"

# 添加页脚
footer = section.footer
footer_para = footer.paragraphs[0]
footer_para.text = "第  页"

doc.save('document_with_header_footer.docx')

提取文本

from docx import Document

doc = Document('document.docx')

# 提取所有段落文本
for para in doc.paragraphs:
    print(para.text)

# 提取表格文本
for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)

批量处理

import os
from docx import Document

# 批量处理目录中的所有 Word 文档
input_dir = 'input_docs/'
output_dir = 'output_docs/'

os.makedirs(output_dir, exist_ok=True)

for filename in os.listdir(input_dir):
    if filename.endswith('.docx'):
        doc = Document(os.path.join(input_dir, filename))

        # 执行编辑操作
        # ...

        # 保存到输出目录
        doc.save(os.path.join(output_dir, filename))

最佳实践

库选择

• python-docx：最适合基本创建和编辑
• pandoc：最适合格式转换和文本提取
• LibreOffice：最适合复杂的修订跟踪功能

使用 python-docx

• 始终在修改后保存文档
• 复杂的格式可能需要直接操作 XML
• 修订跟踪需要额外处理

代码风格

编写简洁的代码：

• 使用有意义的变量名
• 避免不必要的打印语句
• 保持函数简单和专注

依赖要求

• python-docx: pip install python-docx
• pandoc: 系统包管理器安装
• LibreOffice: 系统包管理器安装（用于高级功能）