首页 文章

查找并替换.docx文件中的文本 - Python

提问于
浏览 次
10

我一直在寻找一种方法来查找和替换docx文件中的文本而运气不佳 . 我已经尝试过docx模块而无法使用它 . 最后，我使用zipfile模块计算了下面描述的方法，并替换了docx存档中的document.xml文件 . 为此，您需要一个模板文档（docx），其中您要替换的文本作为唯一字符串，无法与文档中的任何其他现有或未来文本匹配（例如，“XXXMEETDATEXXX上与XXXCLIENTNAMEXXX的 Session 进行得非常顺利 . “） .

import zipfile

replaceText = {"XXXCLIENTNAMEXXX" : "Joe Bob", "XXXMEETDATEXXX" : "May 31, 2013"}
templateDocx = zipfile.ZipFile("C:/Template.docx")
newDocx = zipfile.ZipFile("C:/NewDocument.docx", "a")

with open(templateDocx.extract("word/document.xml", "C:/")) as tempXmlFile:
    tempXmlStr = tempXmlFile.read()

for key in replaceText.keys():
    tempXmlStr = tempXmlStr.replace(str(key), str(replaceText.get(key)))

with open("C:/temp.xml", "w+") as tempXmlFile:
    tempXmlFile.write(tempXmlStr)

for file in templateDocx.filelist:
    if not file.filename == "word/document.xml":
        newDocx.writestr(file.filename, templateDocx.read(file))

newDocx.write("C:/temp.xml", "word/document.xml")

templateDocx.close()
newDocx.close()

我的问题是这种方法有什么问题？我对这些东西很陌生，所以我觉得别人应该已经弄明白了 . 这让我相信这种方法存在一些问题 . 但它的确有效！我在这里错过了什么？

.

以下是我想要学习这些东西的其他人的思考过程的演练：

步骤1）准备要作为键替换的文本字符串的Python字典和作为项目的新文本（例如{“XXXCLIENTNAMEXXX”：“Joe Bob”，“XXXMEETDATEXXX”：“2013年5月31日”}） .

步骤2）使用zipfile模块打开模板docx文件 .

步骤3）使用追加访问模式打开一个新的docx文件 .

步骤4）从模板docx文件中提取document.xml（所有文本都存在），并将xml读取为文本字符串变量 .

步骤5）使用for循环将xml文本字符串中字典中定义的所有文本替换为新文本 .

步骤6）将xml文本字符串写入新的临时xml文件 .

步骤7）使用for循环和zipfile模块将模板docx存档中的所有文件复制到新的docx存档除了word / document.xml文件 .

步骤8）将带有替换文本的临时xml文件写入新的docx存档作为新的word / document.xml文件 .

步骤9）关闭模板和新的docx存档 .

步骤10）打开新的docx文档，享受替换后的文本！

  • 编辑 - 第7行和第11行缺少右括号'）'
python text replace docx zipfile

2 回答

  • 1

    有时，Word会做一些奇怪的事情 . You should try to remove the text and rewrite it in one stroke, eg without editing the text in the middle

    您的文档保存在xml文件中（通常在docx的word / document.xml中，解压缩后） . 有时你的文字可能不会一蹴而就：文件中的某个地方可能是XXXCLIENT，而其他地方则是NAMEXXX .

    像这样的东西：

    <w:t> XXXCLIENT </w:t> ... <w:t> NAMEXXX </w:t>

    这通常是因为语言支持而发生：当他认为一个单词是一种特定语言时，单词会分词，并且可以在单词之间进行分词，这会将单词分成多个标签 .

    您解决方案的唯一问题是您必须一次性编写所有内容，这不是最方便用户的 .

    我创建了一个使用类似标签的小胡子的JS库： https://github.com/edi9999/docxgenjs

    它在全局范围内与您的算法相同，但如果内容不在一个笔划中，则不会崩溃（当您在Word中编写时，文本通常会在文档中被分割：{，clientName，} .

    回复于
  • -1

    您可以尝试一种解决方法 . 使用Word的搜索/替换来一次性获取文本 .

    例如，搜索 "XXXCLIENTNAMEXXX" 并再次使用 "XXXCLIENTNAMEXXX" 替换它 .

    回复于

相关问题