Question

我一直在使用python实现自定义解析器，并使用解析后的数据来格式化要在内部分发的word文档。到目前为止，所有格式都很简单易行，但我完全不知道如何将复选框插入到单个表格单元格中。

我尝试在python-docx中使用python对象函数（使用get_or_add_tcPr()等），这会导致MS Word在我尝试打开文件时抛出以下错误，＆＃34;无法打开文件xxxx，因为内容存在问题详细信息：文件已损坏且无法打开＆＃34;。

经过一段时间的努力，我转向第二种方法，涉及操作输出文档的word / document.xml文件。我已经检索了我认为是保存为replacementXML的复选框的正确xml，并已将填充文本插入单元格中，以充当可以搜索和替换的标记searchXML。以下似乎在linux（Fedora 25）环境中使用python运行，但是当我尝试打开文档时word文档显示相同的错误，但是这次文档可以恢复并恢复为填充文本。我已经能够使用手动制作的文档并使用空表格单元，因此我相信这应该是可行的。注意：我已经在searchXML变量中包含了表格单元格的整个xml元素，但我尝试使用正则表达式并缩短字符串。不只是使用完全匹配，因为我知道这可能因细胞而异。

searchXML = r'<w:tc><w:tcPr><w:tcW w:type="dxa" w:w="4320"/><w:gridSpan w:val="2"/></w:tcPr><w:p><w:pPr><w:jc w:val="right"/></w:pPr><w:r><w:rPr><w:sz w:val="16"/></w:rPr><w:t>IN_CHECKB</w:t></w:r></w:p></w:tc>'

def addCheckboxes(): 
    os.system("mkdir unzipped")
    os.system("unzip tempdoc.docx -d unzipped/")

    with open('unzipped/word/document.xml', encoding="ISO-8859-1") as file:
        filedata = file.read()

    rep_count = 0
    while re.search(searchXML, filedata):
        filedata = replaceXML(filedata, rep_count)
        rep_count += 1

    with open('unzipped/word/document.xml', 'w') as file:
        file.write(filedata)

    os.system("zip -r ../buildcfg/tempdoc.docx unzipped/*")
    os.system("rm -rf unzipped")

def replaceXML(filedata, rep_count):
    replacementXML = r'<w:tc><w:tcPr><w:tcW w:w="4320" w:type="dxa"/><w:gridSpan w:val="2"/></w:tcPr><w:p w:rsidR="00D2569D" w:rsidRDefault="00FD6FDF"><w:pPr><w:jc w:val="right"/></w:pPr><w:r><w:rPr><w:sz w:val="16"/>
                       </w:rPr><w:fldChar w:fldCharType="begin"><w:ffData><w:name w:val="Check1"/><w:enabled/><w:calcOnExit w:val="0"/><w:checkBox><w:sizeAuto/><w:default w:val="0"/></w:checkBox></w:ffData></w:fldChar>
                       </w:r><w:bookmarkStart w:id="' + rep_count + '" w:name="Check' + rep_count + '"/><w:r><w:rPr><w:sz w:val="16"/></w:rPr><w:instrText xml:space="preserve"> FORMCHECKBOX </w:instrText></w:r><w:r>
                       <w:rPr><w:sz w:val="16"/></w:rPr></w:r><w:r><w:rPr><w:sz w:val="16"/></w:rPr><w:fldChar w:fldCharType="end"/></w:r><w:bookmarkEnd w:id="' + rep_count + '"/></w:p></w:tc>'
    filedata = re.sub(searchXML, replacementXML, filedata, 1)

    rerturn filedata

我有一种强烈的感觉，通过python-docx库有一个更简单（和正确！）的方式，但由于某种原因，我似乎无法做到这一点。

有没有办法轻松地将复选框字段插入MS Word文档中的表格单元格？如果是的话，我该怎么做？如果不是，有没有比操作.xml文件更好的方法？

更新：我已经能够使用python-docx成功地将XML注入到文档中，但是复选框和添加的XML没有出现。

我已将以下XML添加到表格单元格中：

<w:tc>
  <w:tcPr>
    <w:tcW w:type="dxa" w:w="4320"/>
    <w:gridSpan w:val="2"/>
  </w:tcPr>
  <w:p>
    <w:r>
      <w:bookmarkStart w:id="0" w:name="testName">
        <w:complexType w:name="CT_FFCheckBox">
          <w:sequence>
            <w:choice>
              <w:element w:name="size" w:type="CT_HpsMeasure"/>
              <w:element w:name="sizeAuto" w:type="CT_OnOff"/>
            </w:choice>
            <w:element w:name="default" w:type="CT_OnOff" w:minOccurs="0"/>
            <w:element w:name="checked" w:type="CT_OnOff" w:minOccurs="0"/>
          </w:sequence>
        </w:complexType>
      </w:bookmarkStart>
      <w:bookmarkEnd w:id="0" w:name="testName"/>
    </w:r>
  </w:p>
</w:tc>

使用以下python-docx代码：

run = p.add_run()
tag = run._r
start = docx.oxml.shared.OxmlElement('w:bookmarkStart')
start.set(docx.oxml.ns.qn('w:id'), '0')
start.set(docx.oxml.ns.qn('w:name'), n)
tag.append(start)

ctype = docx.oxml.OxmlElement('w:complexType')
ctype.set(docx.oxml.ns.qn('w:name'), 'CT_FFCheckBox')
seq = docx.oxml.OxmlElement('w:sequence')
choice = docx.oxml.OxmlElement('w:choice')
el = docx.oxml.OxmlElement('w:element')
el.set(docx.oxml.ns.qn('w:name'), 'size')
el.set(docx.oxml.ns.qn('w:type'), 'CT_HpsMeasure')
el2 = docx.oxml.OxmlElement('w:element')
el2.set(docx.oxml.ns.qn('w:name'), 'sizeAuto')
el2.set(docx.oxml.ns.qn('w:type'), 'CT_OnOff')

choice.append(el)
choice.append(el2)

el3 = docx.oxml.OxmlElement('w:element')
el3.set(docx.oxml.ns.qn('w:name'), 'default')
el3.set(docx.oxml.ns.qn('w:type'), 'CT_OnOff')
el3.set(docx.oxml.ns.qn('w:minOccurs'), '0')
el4 = docx.oxml.OxmlElement('w:element')
el4.set(docx.oxml.ns.qn('w:name'), 'checked')
el4.set(docx.oxml.ns.qn('w:type'), 'CT_OnOff')
el4.set(docx.oxml.ns.qn('w:minOccurs'), '0')

seq.append(choice)
seq.append(el3)
seq.append(el4)

ctype.append(seq)
start.append(ctype)

end = docx.oxml.shared.OxmlElement('w:bookmarkEnd')
end.set(docx.oxml.ns.qn('w:id'), '0')
end.set(docx.oxml.ns.qn('w:name'), n)
tag.append(end)

似乎无法找到XML没有反映在输出文档中的推理，但会使用我找到的任何内容进行更新。

Answer 1

在经过@scanny的大量挖掘和帮助后，我终于完成了这项工作。

可以使用以下函数将复选框插入到python-docx中的任何段落中。我正在将一个复选框插入表格中的特定单元格。

def addCheckbox(para, box_id, name):

run = para.add_run()
tag = run._r
fld = docx.oxml.shared.OxmlElement('w:fldChar')
fld.set(docx.oxml.ns.qn('w:fldCharType'), 'begin')
fldData = docx.oxml.shared.OxmlElement('w:fldData')

fldData.text = '/////2UAAAAUAAYAQwBoAGUAYwBrADEAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA'
fldData.set(docx.oxml.ns.qn('xml:space'), 'preserve')
fld.append(fldData)
tag.append(fld)

run2 = para.add_run()
tag2 = run2._r
start = docx.oxml.shared.OxmlElement('w:bookmarkStart')
start.set(docx.oxml.ns.qn('w:id'), str(box_id))
start.set(docx.oxml.ns.qn('w:name'), name)
tag2.append(start)

run3 = para.add_run()
tag3 = run3._r
instr = docx.oxml.OxmlElement('w:instrText')
instr.text = 'FORMCHECKBOX'
tag3.append(instr)

run4 = para.add_run()
tag4 = run4._r
fld2 = docx.oxml.shared.OxmlElement('w:fldChar')
fld2.set(docx.oxml.ns.qn('w:fldCharType'), 'end')
tag4.append(fld2)

run5 = para.add_run()
tag5 = run5._r
end = docx.oxml.shared.OxmlElement('w:bookmarkEnd')
end.set(docx.oxml.ns.qn('w:id'), str(box_id))
end.set(docx.oxml.ns.qn('w:name'), name)
tag5.append(end)

return

fldData.text对象似乎是随机的，但是从生成的XML表单中获取带有现有复选框的word文档。如果不设置此文本，该功能将失败。我还没有确认，但我听说过一个开发人员随意更改字符串的情况，但一旦保存，它将恢复为原始生成的值。

希望这有助于某人！

Answer 2

这些变通办法功能的关键是拥有一个可行的XML示例，并能够比较您生成的XML。如果生成与工作示例匹配的XML，则每次都会有效。 opc-diag对于检查Word文档中的XML非常方便。使用非常小的文档（如单段或双行表，用于分析目的）可以更容易地弄清楚Word如何构建XML。

需要注意的一点是，Word文档中的XML元素是序列敏感的，这意味着任何其他元素中的子元素通常都具有必须出现的设置顺序。如果你换了这个，你会得到你提到的“修复”错误。

我发现从python-docx内部操作XML要容易得多，因为它会处理所有解压缩和重新压缩，以及许多其他细节。

要使排序正确，您需要熟悉正在使用的元素的XML Schema规范。这里有一个例子： http://python-docx.readthedocs.io/en/latest/dev/analysis/features/text/paragraph-format.html

完整架构位于ref/xsd/下的代码树中。大多数文本元素都在wml.xsd文件中（wml代表WordProcessing标记语言）。

您可以通过搜索"python-docx" workaround function找到其他所谓的“变通办法功能”的示例。请特别注意parse_xml()函数和OxmlElement对象，这些对象将允许您分别创建新的XML子树和单个元素。可以使用常规lxml._Element方法定位XML元素; python-docx中的所有XML元素都基于lxml。 http://lxml.de/api/lxml.etree._Element-class.html

如何使用python-docx将复选框表单插入到.docx文件中？

2 个答案: