Question

有没有办法在python-docx的文本框中访问和操作现有docx文档中的文本？

我尝试通过迭代在文档的所有段落中找到关键字：

doc = Document('test.docx')

for paragraph in doc.paragraphs:
    if '<DATE>' in paragraph.text:
        print('found date: ', paragraph.text)

如果放在普通文本中，但不在文本框内，则会被发现。

Answer 1

不是通过API，至少还没有。您必须发现它所处的XML结构并转到lxml级别，并且可能需要XPath才能找到它。这样的事情可能是一个开始：

body = doc._body
# assuming differentiating container element is w:textBox
text_box_p_elements = body.xpath('.//w:textBox//w:p')

我不知道textBox是否是这里的实际元素名称，您必须使用其余的XPath路径详细信息对其进行排序，但这种方法可能会有效。我经常使用类似的方法来解决尚未构建到API中的功能。

opc-diag是检查XML的有用工具。基本方法是创建一个最小的.docx文件，其中包含您尝试查找的内容类型。然后使用opc-diag检查保存文件时生成的XML Word：

$ opc browse test.docx document.xml

http://opc-diag.readthedocs.org/en/latest/index.html

Answer 2

仅包含格式化文本的文本框的解决方法是使用浮动的格式化表。它的样式几乎可以像文本框（框架，颜色等），docx API可以轻松访问。

doc = Document('test.docx')

for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                if '<DATE>' in paragraph.text:
                   print('found date: ', paragraph.text)

文本框中的Python docx段落

2 个答案: