Как да използвате python-docx за замяна на текст в документ на Word и запазване

Текущата версия на python-docx няма функция search() или replace() функция. Те се изискват доста често, но имплементацията за общия случай е доста трудна и все още не се е издигнала до върха на изоставането.

Няколко души обаче постигнаха успех, като направиха това, от което се нуждаят, използвайки вече наличните съоръжения. Ето един пример. Между другото няма нищо общо със секциите :)

for paragraph in document.paragraphs:
    if 'sea' in paragraph.text:
        print paragraph.text
        paragraph.text = 'new text containing ocean'

За да търсите и в Таблици, ще трябва да използвате нещо като:

for table in document.tables:
    for row in table.rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                if 'sea' in paragraph.text:
                    paragraph.text = paragraph.text.replace("sea", "ocean")

Ако следвате този път, вероятно ще откриете доста бързо какви са сложностите. Ако замените целия текст на абзац, това ще премахне всяко форматиране на ниво знаци, като дума или фраза с удебелен шрифт или курсив.

Между другото, кодът от отговора на @wnnmaw е за наследената версия на python-docx и изобщо няма да работи с версии след 0.3.0.

Имах нужда от нещо, което да замени регулярните изрази в docx. Взех скен отговор. За обработка на стил използвах отговор от: Python docx Замяна на низ в абзац при запазване на стила добавено рекурсивно извикване за обработка на вложени таблици. и измисли нещо като това:

import re
from docx import Document

def docx_replace_regex(doc_obj, regex , replace):

    for p in doc_obj.paragraphs:
        if regex.search(p.text):
            inline = p.runs
            # Loop added to work with runs (strings with same style)
            for i in range(len(inline)):
                if regex.search(inline[i].text):
                    text = regex.sub(replace, inline[i].text)
                    inline[i].text = text

    for table in doc_obj.tables:
        for row in table.rows:
            for cell in row.cells:
                docx_replace_regex(cell, regex , replace)



regex1 = re.compile(r"your regex")
replace1 = r"your replace string"
filename = "test.docx"
doc = Document(filename)
docx_replace_regex(doc, regex1 , replace1)
doc.save('result1.docx')

За да преминете през речника:

for word, replacement in dictionary.items():
    word_re=re.compile(word)
    docx_replace_regex(doc, word_re , replacement)

Имайте предвид, че това решение ще замени регулярния израз само ако целият регулярен израз има същия стил в документа.

Освен това, ако текстът е редактиран след запазване на същия стил, текстът може да бъде в отделни серии. Например, ако отворите документ, който има низ "testabcd" и го промените на "test1abcd" и запишете, дори тестото да е със същия стил, в този случай има 3 отделни изпълнения "test", "1" и "abcd" замяната на test1 няма да работи.

Това е за проследяване на промените в документа. За да го маржирате в едно изпълнение, в Word трябва да отидете в „Опции“, „Център за доверие“ и в „Опции за поверителност“ да премахнете дебелината на „Съхраняване на произволни числа за подобряване на точността на комбиниране“ и да запишете документа.

Получих много помощ от отговорите от по-рано, но за мен кодът по-долу функционира така, както простата функция за намиране и замяна в word би свършила работа. Надявам се това да помогне.

#!pip install python-docx
#start from here if python-docx is installed
from docx import Document
#open the document
doc=Document('./test.docx')
Dictionary = {"sea": "ocean", "find_this_text":"new_text"}
for i in Dictionary:
    for p in doc.paragraphs:
        if p.text.find(i)>=0:
            p.text=p.text.replace(i,Dictionary[i])
#save changed document
doc.save('./test.docx')

Горното решение има ограничения. 1) Параграфът, съдържащ „find_this_text“, ще стане обикновен текст без формат, 2) контекстните контроли, които са в същия абзац с „find_this_text“, ще бъдат изтрити и 3) „find_this_text“ в контекстните контроли или таблици ще да не се променят.

Споделянето на малък скрипт, който написах - ми помага да генерирам правни .docx договори с променливи, като същевременно запазвам оригиналния стил.

pip install python-docx

Пример:

from docx import Document
import os


def main():
    template_file_path = 'employment_agreement_template.docx'
    output_file_path = 'result.docx'

    variables = {
        "${EMPLOEE_NAME}": "Example Name",
        "${EMPLOEE_TITLE}": "Software Engineer",
        "${EMPLOEE_ID}": "302929393",
        "${EMPLOEE_ADDRESS}": "דרך השלום מנחם בגין דוגמא",
        "${EMPLOEE_PHONE}": "+972-5056000000",
        "${EMPLOEE_EMAIL}": "[email protected]",
        "${START_DATE}": "03 Jan, 2021",
        "${SALARY}": "10,000",
        "${SALARY_30}": "3,000",
        "${SALARY_70}": "7,000",
    }

    template_document = Document(template_file_path)

    for variable_key, variable_value in variables.items():
        for paragraph in template_document.paragraphs:
            replace_text_in_paragraph(paragraph, variable_key, variable_value)

        for table in template_document.tables:
            for col in table.columns:
                for cell in col.cells:
                    for paragraph in cell.paragraphs:
                        replace_text_in_paragraph(paragraph, variable_key, variable_value)

    template_document.save(output_file_path)


def replace_text_in_paragraph(paragraph, key, value):
    if key in paragraph.text:
        inline = paragraph.runs
        for item in inline:
            if key in item.text:
                item.text = item.text.replace(key, value)


if __name__ == '__main__':
    main()

За случая с таблицата трябваше да променя отговора на @scanny на:

for table in doc.tables:
    for col in table.columns:
        for cell in col.cells:
            for p in cell.paragraphs:

за да работи. Наистина, това изглежда не работи с текущото състояние на API:

for table in document.tables:
    for cell in table.cells:

Същият проблем с кода от тук: https://github.com/python-openxml/python-docx/issues/30#issuecomment-38658149

Центърът за разработка на Office има запис, в който разработчик е публикувал (понастоящем лицензиран от MIT) описание на няколко алгоритма, които изглежда предлагат решение за това (макар и в C# и изискват пренасяне):" Публикуване на MS Dev Center

Проблемът с втория ви опит е, че не сте дефинирали параметрите, от които savedocx се нуждае. Трябва да направите нещо подобно преди да запазите:

relationships = docx.relationshiplist()
title = "Document Title"
subject = "Document Subject"
creator = "Document Creator"
keywords = []

coreprops = docx.coreproperties(title=title, subject=subject, creator=creator,
                       keywords=keywords)
app = docx.appproperties()
content = docx.contenttypes()
web = docx.websettings()
word = docx.wordrelationships(relationships)
output = r"path\to\where\you\want\to\save"

той отново промени API в docx py...

за здравия разум на всеки идващ тук:

import datetime
import os
from decimal import Decimal
from typing import NamedTuple

from docx import Document
from docx.document import Document as nDocument


class DocxInvoiceArg(NamedTuple):
  invoice_to: str
  date_from: str
  date_to: str
  project_name: str
  quantity: float
  hourly: int
  currency: str
  bank_details: str


class DocxService():
  tokens = [
    '@INVOICE_TO@',
    '@IDATE_FROM@',
    '@IDATE_TO@',
    '@INVOICE_NR@',
    '@PROJECTNAME@',
    '@QUANTITY@',
    '@HOURLY@',
    '@CURRENCY@',
    '@TOTAL@',
    '@BANK_DETAILS@',
  ]

  def __init__(self, replace_vals: DocxInvoiceArg):
    total = replace_vals.quantity * replace_vals.hourly
    invoice_nr = replace_vals.project_name + datetime.datetime.strptime(replace_vals.date_to, '%Y-%m-%d').strftime('%Y%m%d')
    self.replace_vals = [
      {'search': self.tokens[0], 'replace': replace_vals.invoice_to },
      {'search': self.tokens[1], 'replace': replace_vals.date_from },
      {'search': self.tokens[2], 'replace': replace_vals.date_to },
      {'search': self.tokens[3], 'replace': invoice_nr },
      {'search': self.tokens[4], 'replace': replace_vals.project_name },
      {'search': self.tokens[5], 'replace': replace_vals.quantity },
      {'search': self.tokens[6], 'replace': replace_vals.hourly },
      {'search': self.tokens[7], 'replace': replace_vals.currency },
      {'search': self.tokens[8], 'replace': total },
      {'search': self.tokens[9], 'replace': 'asdfasdfasdfdasf'},
    ]
    self.doc_path_template = os.path.dirname(os.path.realpath(__file__))+'/docs/'
    self.doc_path_output = self.doc_path_template + 'output/'
    self.document: nDocument = Document(self.doc_path_template + 'invoice_placeholder.docx')


  def save(self):
    for p in self.document.paragraphs:
      self._docx_replace_text(p)
    tables = self.document.tables
    self._loop_tables(tables)
    self.document.save(self.doc_path_output + 'testiboi3.docx')

  def _loop_tables(self, tables):
    for table in tables:
      for index, row in enumerate(table.rows):
        for cell in table.row_cells(index):
          if cell.tables:
            self._loop_tables(cell.tables)
          for p in cell.paragraphs:
            self._docx_replace_text(p)

        # for cells in column.
        # for cell in table.columns:

  def _docx_replace_text(self, p):
    print(p.text)
    for el in self.replace_vals:
      if (el['search'] in p.text):
        inline = p.runs
        # Loop added to work with runs (strings with same style)
        for i in range(len(inline)):
          print(inline[i].text)
          if el['search'] in inline[i].text:
            text = inline[i].text.replace(el['search'], str(el['replace']))
            inline[i].text = text
        print(p.text)

Тестов случай:

from django.test import SimpleTestCase
from docx.table import Table, _Rows

from toggleapi.services.DocxService import DocxService, DocxInvoiceArg


class TestDocxService(SimpleTestCase):

  def test_document_read(self):
    ds = DocxService(DocxInvoiceArg(invoice_to="""
    WAW test1
    Multi myfriend
    """,date_from="2019-08-01", date_to="2019-08-30", project_name='WAW', quantity=10.5, hourly=40, currency='USD',bank_details="""
    Paypal to:
    [email protected]"""))

    ds.save()

имате папки docs и docs/output/ в същата папка, където имате DocxService.py

e.g.

не забравяйте да параметризирате и замените неща