Question

我有一个docx文件，它包含很多部分之间的新行，我需要在不止一次连续出现时清除一个新行。我使用以下方法解压缩文件：

z = zipfile.ZipFile('File.docx','a')
z.extractall()

目录内：word，是一个文件document.xml，它包含所有数据，但我不知道如何在xml中知道新行。

我知道提取它不是解决方案（我这里只用来显示文件的位置）。我想我可以使用：

z.write('Document.xml')

任何人都可以帮助我吗？

Answer 1

来自tlewis的代码用于从docx中查找特定文本并替换它。在您的情况下，还有其他事情可做：检测新行，并查看它们是否连续超过两行。换句话说，换行符只是一个段落（<w:p>标记），里面没有任何文字。

我添加了一些评论，告诉您如何使用zip。

import zipfile #Import the zip Module
from lxml import etree #Useful to transform string into xml, and xml into string
templateDocx = zipfile.ZipFile("C:/Template.docx") #Here is the path to the file you want to import
newDocx = zipfile.ZipFile("C:/NewDocument.docx", "a") #This is the name of the outputed file

#Open the document.xml file, the file that contains the content 
with open(templateDocx.extract("word/document.xml", "C:/") as tempXmlFile:
    tempXmlStr = tempXmlFile.read()  


tempXmlXml= etree.fromstring(tempXmlStr)   #Convert the string into XML
############
# Algorithm detailled at the bottom, 
# You have to write here the code to select all <w:p> tags, look if there is a <w:t> tag.
############

tempXmlStr = etree.tostring(tempXmlXml, pretty_print=True) # Convert the changed XML into a string

with open("C:/temp.xml", "w+") as tempXmlFile:
    tempXmlFile.write(tempXmlStr) #Write the changed file

for file in templateDocx.filelist:
    if not file.filename == "word/document.xml":
        newDocx.writestr(file.filename, templateDocx.read(file)) #write all files except the changed ones in the zipArchive

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

templateDocx.close() #Close both template And new Docx
newDocx.close() # Close

如何编写算法以删除多个新行

以下是我创建的示例文档：

Many Lines Docx

这是document.xml的相应代码：

 <w:p w:rsidR="006C517B" w:rsidRDefault="00761A87">
         <w:bookmarkStart w:id="0" w:name="_GoBack" />
         <w:bookmarkEnd w:id="0" />
         <w:r>
            <w:t>First Line</w:t>
         </w:r>
      </w:p>
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87">
         <w:proofErr w:type="spellStart" />
         <w:r>
            <w:t>Third</w:t>
         </w:r>
         <w:proofErr w:type="spellEnd" />
         <w:r>
            <w:t xml:space="preserve"> Line</w:t>
         </w:r>
      </w:p>
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87">
         <w:r>
            <w:t>Six Line</w:t>
         </w:r>
      </w:p>
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87">
         <w:proofErr w:type="spellStart" />
         <w:r>
            <w:t>Ten</w:t>
         </w:r>
         <w:proofErr w:type="spellEnd" />
         <w:r>
            <w:t xml:space="preserve"> Line</w:t>
         </w:r>
      </w:p>
      <w:p w:rsidR="00761A87" w:rsidRDefault="00761A87">
         <w:proofErr w:type="spellStart" />
         <w:r>
            <w:t>Eleven</w:t>
         </w:r>
         <w:proofErr w:type="spellEnd" />
         <w:r>
            <w:t xml:space="preserve"> Line</w:t>
         </w:r>
      </w:p>

如您所见，新行是空的<w:p>，如下所示：

<w:p w:rsidR="00761A87" w:rsidRDefault="00761A87" />

要删除多个新行，请检查它们是否为多个空<w:p>，并删除除第一个之外的所有行。

希望有所帮助！

Answer 2

来自here：

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()

说明：

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{＆＃34; XXXCLIENTNAMEXXX＆＃34;：＆＃34; Joe Bob＆＃34;，＆＃34; XXXMEETDATEXXX＆＃34;：＆＃34; 2013年5月31日＆＃34;}）。

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存档中，除了word / document.xml文件。

步骤8）将包含替换文本的临时xml文件作为新的word / document.xml文件写入新的docx存档。

步骤9）关闭模板和新的docx存档。

步骤10）打开新的docx文档，享受被替换的文本！

清除docx中的新行

2 个答案:

如何编写算法以删除多个新行