使用python-docx合并Word文档

Question

我有几个Word文件，每个文件里面都有特定的内容。我想要一个代码片段，能帮我把这些Word文件合并成一个文件，使用Python的docx库。

比如在pywin32库中，我做了以下操作：

rng = self.doc.Range(0, 0)
for d in data:
    time.sleep(0.05)

    docstart = d.wordDoc.Content.Start
    self.word.Visible = True
    docend = d.wordDoc.Content.End - 1
    location = d.wordDoc.Range(docstart, docend).Copy()
    rng.Paste()
    rng.Collapse(0)
    rng.InsertBreak(win32.constants.wdPageBreak)

但是我需要用Python的docx库来完成这个，而不是用win32.client。

Answer 1

如果你只是想把一些简单的文本文件合并在一起，可以使用上面提到的python-docx。

如果你需要合并的文件里有超链接、图片、列表、项目符号等等，那你可以用lxml来把这些文件的内容和所有相关的文件结合起来，比如：

• word/styles.xml
• word/numbering.xml
• word/media
• [Content_Types].xml

Answer 2

首先，创建一个空的文档，命名为empty.docx，然后把你要合并的两个文档添加到这个空文档里。

在处理每个文件的时候，如果需要的话，就插入一个分页符。

完成后，保存这个新文件，它里面包含了你合并的两个文件。

from docx import Document

files = ['file1.docx', 'file2.docx']

def combine_word_documents(files):
    combined_document = Document('empty.docx')
    count, number_of_files = 0, len(files)
    for file in files:
        sub_doc = Document(file)

        # Don't add a page break if you've
        # reached the last file.
        if count < number_of_files - 1:
            sub_doc.add_page_break()

        for element in sub_doc._document_part.body._element:
            combined_document._document_part.body._element.append(element)
        count += 1

    combined_document.save('combined_word_documents.docx')

combine_word_documents(files)

Answer 3

我已经把上面的例子调整了一下，让它能在最新版本的 python-docx（写这段话时是0.8.6版本）上运行。请注意，这个例子只是复制了元素（合并元素的样式要复杂得多）：

from docx import Document

files = ['file1.docx', 'file2.docx']

def combine_word_documents(files):
    merged_document = Document()

    for index, file in enumerate(files):
        sub_doc = Document(file)

        # Don't add a page break if you've reached the last file.
        if index < len(files)-1:
           sub_doc.add_page_break()

        for element in sub_doc.element.body:
            merged_document.element.body.append(element)

    merged_document.save('merged.docx')

combine_word_documents(files)

Answer 4

合并两个文档并保留所有样式的另一种方法是使用Python库docxcompose（https://pypi.org/project/docxcompose/）。这样我们就不需要明确地定义样式，也不用一段一段地读取文档并把它们添加到主文档中。下面的代码展示了如何使用Python的docxcompose。

#Importing the required packages

from docxcompose.composer import Composer
from docx import Document as Document_compose
#filename_master is name of the file you want to merge the docx file into
master = Document_compose(filename_master)

composer = Composer(master)
#filename_second_docx is the name of the second docx file
doc2 = Document_compose(filename_second_docx)
#append the doc2 into the master using composer.append function
composer.append(doc2)
#Save the combined docx with a name
composer.save("combined.docx")

如果你想把多个文档合并成一个docx文件，可以使用下面的函数。

#Filename_master is the name of the file you want to merge all the document into
#files_list is a list containing all the filename of the docx file to be merged
def combine_all_docx(filename_master,files_list):
    number_of_sections=len(files_list)
    master = Document_compose(filename_master)
    composer = Composer(master)
    for i in range(0, number_of_sections):
        doc_temp = Document_compose(files_list[i])
        composer.append(doc_temp)
    composer.save("combined_file.docx")
#For Example
#filename_master="file1.docx"
#files_list=["file2.docx","file3.docx","file4.docx",file5.docx"]
#Calling the function
#combine_all_docx(filename_master,files_list)
#This function will combine all the document in the array files_list into the file1.docx and save the merged document into combined_file.docx

Answer 5

如果你的需求比较简单，可以试试下面这个方法：

source_document = Document('source.docx')
target_document = Document()

for paragraph in source_document.paragraphs:
    text = paragraph.text
    target_document.add_paragraph(text)

当然，还有其他的做法，但这个应该能让你入门。

其实，把一个Word文件里的内容复制到另一个文件里是个挺复杂的事情。比如说，源文件里的样式可能和目标文件里的样式有冲突，所以需要处理这些问题。因此，这个功能在接下来的一年里可能不会被添加进来。