Python之python-docx批量处理docx文件基础

当今社会中，文档处理的需求非常普遍，尤其是在处理Word文件时，如何高效地进行批量操作是一个值得探讨的话题。python-docx是一个非常强大的Python库，能够轻松读写.docx格式的Word文档。本文将介绍如何使用python-docx库批量处理.docx文件，并给出实用的代码示例。

安装python-docx

在使用之前，你需要先安装python-docx库。可以通过pip来进行安装，命令如下：

pip install python-docx

批量处理.docx文件

下面我们将通过一个示例来展示如何批量处理多个.docx文件。在这个示例中，我们将读取多个Word文档的内容，并将每个文档的标题和段落内容提取出来，最后将提取的信息保存到一个新的文本文件中。

示例代码

import os
from docx import Document

def extract_docx_content(file_path):
    """提取单个docx文件的内容"""
    document = Document(file_path)
    content = []
    for para in document.paragraphs:
        content.append(para.text)  # 提取段落文本
    return content

def process_multiple_docx(directory):
    """批量处理目录中的所有docx文件"""
    result = {}
    for filename in os.listdir(directory):
        if filename.endswith('.docx'):
            file_path = os.path.join(directory, filename)
            content = extract_docx_content(file_path)
            result[filename] = content  # 保存每个文件的内容
    return result

def save_to_txt(result, output_file):
    """将提取的内容保存到文本文件中"""
    with open(output_file, 'w', encoding='utf-8') as f:
        for filename, content in result.items():
            f.write(f'---- {filename} ----\n')
            f.write('\n'.join(content) + '\n\n')

if __name__ == "__main__":
    input_directory = 'path/to/your/docx/files'  # 替换为你的docx文件目录
    output_file = 'output.txt'  # 输出文件路径

    docx_content = process_multiple_docx(input_directory)
    save_to_txt(docx_content, output_file)

    print(f"处理完成！提取的内容已保存到 {output_file}")

代码解析

1. 导入库: 我们首先导入了os库来处理文件路径，和Document类来读取Word文档。

2. 提取内容: extract_docx_content函数用于提取单个.docx文件中的每个段落的文本。通过遍历文档中的所有段落，我们将其文本存储在一个列表中。

3. 批量处理: process_multiple_docx函数接收一个目录路径，遍历这个目录下所有的文件。当发现文件是以.docx结尾时，我们调用extract_docx_content函数提取内容，并将结果存储在一个字典中，以文件名作为键，内容作为值。

4. 保存结果: save_to_txt函数将提取的内容写入一个文本文件中。我们以文件名为标题，下面是内容，每个文档之间以空行分开。

5. 主程序: 在主程序中，我们定义了要处理的文件夹路径和输出文件名，调用相应的函数进行处理。

结论

通过上述代码，你可以快速方便地批量处理多个.docx文件，提取其中的内容并保存到文本文件中。这只是python-docx库的一个基本用法，实际上，这个库可以做的事情远不止于此，例如修改文档的格式、插入图片等。希望这篇文章能为你提供一个良好的开端，让你在文档处理上更加得心应手。