作者：小小明
Pandas数据处理专家，帮助一万用户解决数据处理难题。
最近碰到一个需求：
虽然我没完全看懂啥意思，但大意就是：
1.读取word文档，将其中所有的表格都写入到一个excel文件中
2.对写好的excel做出一些修改（包括改某几个单元格的值和删除行)，然后将修改后的excel数据回填到word表对应的位置
对于第一个需求，直接用pandas写出即可
对于第二个需求，先生成模板，再用docxtpl模板渲染
关于docxtpl，我已经根据官方文档
好了，就按照这个大致理解的需求开始干：
读取word文档表格写入到excel
python代码：
from docx import Document
import pandas as pd
doc = Document(r"test.docx")
writer = pd.ExcelWriter("test.xlsx")
for i, table in enumerate(doc.tables):
header = [cell.text for cell in table.rows[0].cells]
result = []
for row in table.rows[1:]:
tmp = []
for cell in row.cells:
tmp.append(cell.text)
result.append(tmp)
df = pd.DataFrame(result, columns=header)
df.to_excel(writer, sheet_name=f"{i}", index=False)
writer.save()
经过上面代码处理，就将这样一个word文档：
提取出来了这样的一个excel文件：
整体效果已经达到，但是我觉得如果能顺便设置好列宽就好看点，要设置好列宽，我的思路是计算出每列的字符串的最大长度，但不能直接用字符长度，每个中文字符会占用两个长度，所以我直接取gbk编码后的字节长度：
from docx import Document
import pandas as pd
import numpy as np
doc = Document(r"test.docx")
writer = pd.ExcelWriter("test.xlsx")
workbook = writer.book
for i, table in enumerate(doc.tables):
header = [cell.text for cell in table.rows[0].cells]
result = []
for row in table.rows[1:]:
tmp = []
for cell in row.cells:
tmp.append(cell.text)
result.append(tmp)
df = pd.DataFrame(result, columns=header)
df.to_excel(writer, sheet_name=f"{i}", index=False)
worksheet = writer.sheets[f"{i}"]
# 计算表头的字符宽度
column_widths = (
df.columns.to_series()
.apply(lambda x: len(x.encode('gbk'))).values
)
# 计算每列的最大字符宽度
max_widths = (
df.astype(str)
.applymap(lambda x: len(x.encode('gbk')))
.agg(max).values
)
# 计算整体最大宽度
widths = np.max([column_widths, max_widths], axis=0)
for i, width in enumerate(widths):
worksheet.set_column(i, i, width)
writer.save()
结果：
有了一个合适的列宽，我看的舒服多了，至少我自己是满意了，要用代码加什么好看的样式也简单。
好了，现在开始处理需求2：
读取修改过的excel回填到word文档中
读取word并生成word模板
要回填到word文档中，我们应该事先生成能够被doctpl解析的模板，我的思路是每个表格除了表头以外全部删除，然后动态生成以下格式的模板：
|
xxx
|
xxx
|
xxx
|
|
{%tr for cells in rows0 %}
|
|
|
|
{{ cells[0] }}
|
{{ cells[1] }}
|
{{ cells[2] }}
|
|
{%tr endfor %}
|
|
|
|
{{ footers0[0] }}
|
{{ footers0[1] }}
|
{{ footers0[2] }}
|
到时候再直接根据excel的数据渲染就行，那么如何生成word模板呢？
直接看看我的代码吧：
from docx import Document
def set_font_style(after_font_style, before_font_style):
after_font_style.bold = before_font_style.bold
after_font_style.italic = before_font_style.italic
after_font_style.underline = before_font_style.underline
after_font_style.strike = before_font_style.strike
after_font_style.shadow = before_font_style.shadow
after_font_style.size = before_font_style.size
after_font_style.color.rgb = before_font_style.color.rgb
after_font_style.name = before_font_style.name
doc = Document("test.docx")
for i, table in enumerate(doc.tables):
# 缓存最后一行的行对象
last_row = table.rows[-1]._tr
# 删除除表头外的所有行
for row in table.rows[1:]:
table._tbl.remove(row._tr)
# 表格添加一行，第一个单元格文本指定为指定的内容
table.add_row().cells[0].text = '{%tr for cells in rows'+str(i)+' %}'
# 再添加一行用于保存中间的模板
row = table.add_row()
for j, cell in enumerate(row.cells):
cell.text = '{{ cells[%d] }}' % j
# 再添加一行用于保存endfor模板
table.add_row().cells[0].text = '{%tr endfor %}'
# 将直接缓存的最后一行添加到行尾
table._tbl.append(last_row)
# 表格的行尾修改完样式后，还原回以前的样式
for j, cell in enumerate(table.rows[-1].cells):
before_font_style = cell.paragraphs[0].runs[0].font
cell.text = '{{ footers%d[%d] }}' % (i, j)
after_font_style = cell.paragraphs[0].runs[0].font
set_font_style(after_font_style, before_font_style)
doc.save("test_template.docx")
模板生成的效果：
根据word模板回填word
有了模板就可以开始根据模板回填word了，首先我把excel修改成这样：
就是一个表改了两个值，另一个表删了两行，保存后，执行以下代码：
from docxtpl import DocxTemplate
import pandas as pd
tpl = DocxTemplate('test_template.docx')
excel = pd.ExcelFile("test.xlsx")
context = {}
for sheet_name in excel.sheet_names:
data = pd.read_excel(excel, sheet_name).values
context[f'rows{sheet_name}'] = data[:-1].tolist()
context[f'footers{sheet_name}'] = data[-1].tolist()
tpl.render(context)
tpl.save('result.docx')
回填结果：
好了，到现在为止，我个人觉得已经大体上完成效果了。当然还不够完美，很多样式适配都还没有去做，首先是行高丢失，然后是修改数值后的千分符丢失，这都要等正式开发后去适配，我这里不公布正式开发的代码。
总结
你对doctpl怎么看呢？欢迎你在下方评论或留言表达你的看法。
