代码示例 | DOCX文件结构详解

🐍

Python处理DOCX文件

使用python-docx库轻松操作DOCX文件

1. 安装python-docx库

# 使用pip安装
pip install python-docx

# 或者使用conda
conda install -c conda-forge python-docx

2. 创建新文档

from docx import Document
from docx.shared import Inches, Pt, RGBColor
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

# 创建新文档
doc = Document()

# 添加标题
doc.add_heading('欢迎使用python-docx', level=1)

# 添加段落
paragraph = doc.add_paragraph('这是一个普通的段落文本。')

# 添加带格式的段落
formatted_para = doc.add_paragraph()
run = formatted_para.add_run('这是')
run.bold = True
run.add_run('加粗的')
run.italic = True
run.add_run('和斜体的文本。')

# 设置字体大小和颜色
run.font.size = Pt(14)
run.font.color.rgb = RGBColor(255, 0, 0)

# 添加标题
doc.add_heading('示例表格', level=2)

# 添加表格
table = doc.add_table(rows=3, cols=3)
table.style = 'Light Grid Accent 1'

# 设置表头
header_cells = table.rows[0].cells
header_cells[0].text = '姓名'
header_cells[1].text = '年龄'
header_cells[2].text = '职业'

# 填充数据
table.rows[1].cells[0].text = '张三'
table.rows[1].cells[1].text = '25'
table.rows[1].cells[2].text = '工程师'

table.rows[2].cells[0].text = '李四'
table.rows[2].cells[1].text = '30'
table.rows[2].cells[2].text = '设计师'

# 添加图片
doc.add_heading('添加图片', level=2)
doc.add_picture('image.png', width=Inches(4.0))

# 保存文档
doc.save('example.docx')
print('文档创建成功！')

3. 读取文档内容

from docx import Document

# 打开现有文档
doc = Document('example.docx')

# 读取所有段落
print('=== 所有段落 ===')
for para in doc.paragraphs:
    print(para.text)

# 读取所有表格
print('\n=== 所有表格 ===')
for table in doc.tables:
    for row in table.rows:
        row_data = [cell.text for cell in row.cells]
        print(row_data)

# 读取特定样式的内容
print('\n=== 所有标题 ===')
for para in doc.paragraphs:
    if para.style.name.startswith('Heading'):
        print(f'{para.style.name}: {para.text}')

# 获取文档属性
print('\n=== 文档属性 ===')
core_props = doc.core_properties
print(f'标题: {core_props.title}')
print(f'作者: {core_props.author}')
print(f'创建时间: {core_props.created}')
print(f'修改时间: {core_props.modified}')

4. 修改现有文档

from docx import Document
from docx.shared import Pt, RGBColor
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

# 打开现有文档
doc = Document('example.docx')

# 修改段落文本
for para in doc.paragraphs:
    if '欢迎使用' in para.text:
        # 清除原有内容
        para.clear()
        # 添加新文本
        run = para.add_run('欢迎修改文档')
        run.bold = True
        run.font.color.rgb = RGBColor(0, 102, 204)

# 添加新段落
new_para = doc.add_paragraph('这是新添加的段落', style='Intense Quote')

# 修改表格数据
for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            if '张三' in cell.text:
                cell.text = '王五'

# 修改文档属性
doc.core_properties.title = '修改后的文档'
doc.core_properties.author = '新作者'

# 保存修改
doc.save('modified.docx')
print('文档修改完成！')

5. 高级功能

from docx import Document
from docx.shared import Pt, RGBColor, Inches
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml.ns import qn

# 创建文档
doc = Document()

# 自定义样式
styles = doc.styles
style = styles.add_style('CustomStyle', 1)  # 1表示段落样式
style.font.name = '微软雅黑'
style.font.size = Pt(12)
style.font.color.rgb = RGBColor(51, 51, 51)
style.paragraph_format.line_spacing = 1.5

# 添加分页符
doc.add_page_break()

# 设置页眉
section = doc.sections[0]
header = section.header
header_para = header.paragraphs[0]
header_para.text = "这是页眉"
header_para.style = doc.styles['Header']

# 设置页脚
footer = section.footer
footer_para = footer.paragraphs[0]
footer_para.text = "页码："
footer_para.alignment = WD_ALIGN_PARAGRAPH.CENTER

# 添加列表
doc.add_heading('项目列表', level=2)
for item in ['项目一', '项目二', '项目三']:
    doc.add_paragraph(item, style='List Bullet')

# 添加有序列表
doc.add_heading('步骤列表', level=2)
for i, step in enumerate(['第一步', '第二步', '第三步'], 1):
    doc.add_paragraph(step, style='List Number')

# 保存
doc.save('advanced.docx')
print('高级功能文档创建完成！')

6. 批量处理文档

from docx import Document
import os

def batch_replace_text(folder_path, old_text, new_text):
    """批量替换文件夹中所有DOCX文件的文本"""
    for filename in os.listdir(folder_path):
        if filename.endswith('.docx'):
            filepath = os.path.join(folder_path, filename)
            try:
                doc = Document(filepath)
                modified = False
                
                # 替换段落中的文本
                for para in doc.paragraphs:
                    if old_text in para.text:
                        for run in para.runs:
                            if old_text in run.text:
                                run.text = run.text.replace(old_text, new_text)
                                modified = True
                
                # 替换表格中的文本
                for table in doc.tables:
                    for row in table.rows:
                        for cell in row.cells:
                            if old_text in cell.text:
                                cell.text = cell.text.replace(old_text, new_text)
                                modified = True
                
                # 如果有修改，保存文档
                if modified:
                    doc.save(filepath)
                    print(f'已修改: {filename}')
                    
            except Exception as e:
                print(f'处理 {filename} 时出错: {e}')

# 使用示例
# batch_replace_text('./documents', '旧文本', '新文本')

def extract_all_text(folder_path, output_file):
    """提取文件夹中所有DOCX文件的文本"""
    with open(output_file, 'w', encoding='utf-8') as f:
        for filename in os.listdir(folder_path):
            if filename.endswith('.docx'):
                filepath = os.path.join(folder_path, filename)
                try:
                    doc = Document(filepath)
                    f.write(f'=== {filename} ===\n')
                    for para in doc.paragraphs:
                        f.write(para.text + '\n')
                    f.write('\n')
                    print(f'已提取: {filename}')
                except Exception as e:
                    print(f'提取 {filename} 时出错: {e}')

# 使用示例
# extract_all_text('./documents', 'output.txt')

print('批量处理函数已定义')

🐹

Go语言处理DOCX文件

使用unioffice库高效处理DOCX文件

高效

1. 安装unioffice库

# 使用go get安装
go get github.com/unidoc/unioffice/document

# 或者使用go install
go install github.com/unidoc/unioffice/cli/docx@latest

2. 创建新文档

package main

import (
    "fmt"
    "github.com/unidoc/unioffice/color"
    "github.com/unidoc/unioffice/common"
    "github.com/unidoc/unioffice/document"
    "github.com/unidoc/unioffice/measurement"
    "github.com/unidoc/unioffice/schema/soo/wml"
)

func main() {
    // 创建新文档
    doc := document.New()

    // 添加标题
    doc.AddParagraph().AddRun().AddText("欢迎使用unioffice").SetStyle("Heading1")

    // 添加段落
    para := doc.AddParagraph()
    para.AddRun().AddText("这是一个普通的段落文本。")

    // 添加带格式的文本
    formattedPara := doc.AddParagraph()
    run := formattedPara.AddRun()
    run.AddText("这是")
    run.Properties().SetBold(true)
    
    run = formattedPara.AddRun()
    run.AddText("加粗的")
    run.Properties().SetItalic(true)
    
    run = formattedPara.AddRun()
    run.AddText("文本。")
    run.Properties().SetColor(color.Red)

    // 设置字体大小
    run.Properties().SetSize(14)

    // 添加表格
    doc.AddParagraph().AddRun().AddText("示例表格").SetStyle("Heading2")

    table := doc.AddTable()
    table.Properties().SetWidth(common.Inch * 6)
    row := table.AddRow()
    row.AddCell().AddParagraph().AddRun().AddText("姓名")
    row.AddCell().AddParagraph().AddRun().AddText("年龄")
    row.AddCell().AddParagraph().AddRun().AddText("职业")

    row = table.AddRow()
    row.AddCell().AddParagraph().AddRun().AddText("张三")
    row.AddCell().AddParagraph().AddRun().AddText("25")
    row.AddCell().AddParagraph().AddRun().AddText("工程师")

    row = table.AddRow()
    row.AddCell().AddParagraph().AddRun().AddText("李四")
    row.AddCell().AddParagraph().AddRun().AddText("30")
    row.AddCell().AddParagraph().AddRun().AddText("设计师")

    // 设置表格样式
    table.SetStyle("Light Grid Accent 1")

    // 添加图片
    doc.AddParagraph().AddRun().AddText("添加图片").SetStyle("Heading2")
    imgPara := doc.AddParagraph()
    imgRun := imgPara.AddRun()
    if err := imgRun.AddImage("image.png"); err != nil {
        fmt.Printf("添加图片失败: %v\n", err)
    }

    // 保存文档
    if err := doc.SaveToFile("example.docx"); err != nil {
        fmt.Printf("保存文档失败: %v\n", err)
    } else {
        fmt.Println("文档创建成功！")
    }
}

3. 读取文档内容

package main

import (
    "fmt"
    "github.com/unidoc/unioffice/document"
)

func main() {
    // 打开现有文档
    doc, err := document.Open("example.docx")
    if err != nil {
        fmt.Printf("打开文档失败: %v\n", err)
        return
    }

    // 读取所有段落
    fmt.Println("=== 所有段落 ===")
    for _, para := range doc.Paragraphs() {
        fmt.Println(para.Text())
    }

    // 读取所有表格
    fmt.Println("\n=== 所有表格 ===")
    for _, table := range doc.Tables() {
        for i, row := range table.Rows() {
            for j, cell := range row.Cells() {
                fmt.Printf("表格[%d][%d]: %s\n", i, j, cell.Paragraphs()[0].Text())
            }
        }
    }

    // 读取特定样式的内容
    fmt.Println("\n=== 所有标题 ===")
    for _, para := range doc.Paragraphs() {
        if para.Style() != nil {
            styleName := para.Style().Name()
            if styleName == "Heading1" || styleName == "Heading2" {
                fmt.Printf("%s: %s\n", styleName, para.Text())
            }
        }
    }

    // 获取文档属性
    fmt.Println("\n=== 文档属性 ===")
    if appProps := doc.AppProperties(); appProps != nil {
        fmt.Printf("标题: %s\n", appProps.Title())
        fmt.Printf("主题: %s\n", appProps.Subject())
    }
}

4. 修改现有文档

package main

import (
    "fmt"
    "github.com/unidoc/unioffice/color"
    "github.com/unidoc/unioffice/document"
)

func main() {
    // 打开现有文档
    doc, err := document.Open("example.docx")
    if err != nil {
        fmt.Printf("打开文档失败: %v\n", err)
        return
    }

    // 修改段落文本
    for _, para := range doc.Paragraphs() {
        text := para.Text()
        if text == "这是一个普通的段落文本。" {
            // 清除原有内容
            para.Clear()
            // 添加新文本
            run := para.AddRun()
            run.AddText("这是修改后的段落")
            run.Properties().SetBold(true)
            run.Properties().SetColor(color.RGB(0, 102, 204))
        }
    }

    // 修改表格数据
    for _, table := range doc.Tables() {
        for _, row := range table.Rows() {
            for _, cell := range row.Cells() {
                if len(cell.Paragraphs()) > 0 {
                    text := cell.Paragraphs()[0].Text()
                    if text == "张三" {
                        cell.Paragraphs()[0].Clear()
                        cell.Paragraphs()[0].AddRun().AddText("王五")
                    }
                }
            }
        }
    }

    // 添加新段落
    newPara := doc.AddParagraph()
    newPara.AddRun().AddText("这是新添加的段落")

    // 保存修改
    if err := doc.SaveToFile("modified.docx"); err != nil {
        fmt.Printf("保存文档失败: %v\n", err)
    } else {
        fmt.Println("文档修改完成！")
    }
}

5. 高级功能

package main

import (
    "fmt"
    "github.com/unidoc/unioffice/color"
    "github.com/unidoc/unioffice/common"
    "github.com/unidoc/unioffice/document"
    "github.com/unidoc/unioffice/measurement"
    "github.com/unidoc/unioffice/schema/soo/wml"
)

func main() {
    // 创建文档
    doc := document.New()

    // 添加分页符
    doc.AddParagraph().AddRun().AddBreak(wml.BreakTypePage)

    // 设置页眉
    section := doc.Sections()[0]
    header := section.Header()
    headerPara := header.AddParagraph()
    headerPara.AddRun().AddText("这是页眉")

    // 设置页脚
    footer := section.Footer()
    footerPara := footer.AddParagraph()
    footerPara.AddRun().AddText("这是页脚")

    // 添加列表
    doc.AddParagraph().AddRun().AddText("项目列表").SetStyle("Heading2")

    items := []string{"项目一", "项目二", "项目三"}
    for _, item := range items {
        para := doc.AddParagraph()
        para.Properties().SetNumberingLevel(0)
        para.Properties().SetNumberingID(1)
        para.AddRun().AddText(item)
    }

    // 添加有序列表
    doc.AddParagraph().AddRun().AddText("步骤列表").SetStyle("Heading2")

    steps := []string{"第一步", "第二步", "第三步"}
    for i, step := range steps {
        para := doc.AddParagraph()
        para.Properties().SetNumberingLevel(0)
        para.Properties().SetNumberingID(2)
        para.AddRun().AddText(step)
    }

    // 设置段落对齐
    centerPara := doc.AddParagraph()
    centerPara.Properties().SetAlignment(wml.JcAlignCenter)
    centerPara.AddRun().AddText("居中对齐的文本")

    // 设置段落缩进
    indentPara := doc.AddParagraph()
    indentPara.Properties().SetFirstLineIndent(common.Inch * 0.5)
    indentPara.AddRun().AddText("首行缩进的文本")

    // 设置行间距
    spacingPara := doc.AddParagraph()
    spacingPara.Properties().SetSpacing(wml.ST_DocGrid{Val: wml.ST_DocGridLines240})
    spacingPara.AddRun().AddText("1.5倍行间距的文本")

    // 保存
    if err := doc.SaveToFile("advanced.docx"); err != nil {
        fmt.Printf("保存文档失败: %v\n", err)
    } else {
        fmt.Println("高级功能文档创建完成！")
    }
}

6. 并发处理文档

package main

import (
    "fmt"
    "os"
    "path/filepath"
    "sync"
    "github.com/unidoc/unioffice/document"
)

// 并发处理文档
func processDocument(filename string, wg *sync.WaitGroup, results chan<- string) {
    defer wg.Done()
    
    filepath := filepath.Join("./documents", filename)
    doc, err := document.Open(filepath)
    if err != nil {
        results <- fmt.Sprintf("处理 %s 失败: %v", filename, err)
        return
    }

    // 处理文档内容
    textCount := 0
    for _, para := range doc.Paragraphs() {
        textCount += len(para.Text())
    }

    results <- fmt.Sprintf("处理 %s 完成，文本长度: %d", filename, textCount)
}

func batchProcess(folderPath string) {
    files, err := os.ReadDir(folderPath)
    if err != nil {
        fmt.Printf("读取文件夹失败: %v\n", err)
        return
    }

    var wg sync.WaitGroup
    results := make(chan string, len(files))

    // 并发处理每个文档
    for _, file := range files {
        if !file.IsDir() && filepath.Ext(file.Name()) == ".docx" {
            wg.Add(1)
            go processDocument(file.Name(), &wg, results)
        }
    }

    // 等待所有goroutine完成
    go func() {
        wg.Wait()
        close(results)
    }()

    // 收集结果
    for result := range results {
        fmt.Println(result)
    }
}

func main() {
    fmt.Println("并发处理文档示例")
    // batchProcess("./documents")
    fmt.Println("并发处理函数已定义")
}

Python vs Go 对比

🐍

Python

优点

✓ 简单易学，语法清晰
✓ 库丰富，功能完善
✓ 开发速度快
✓ 社区活跃，文档齐全

缺点

✗ 性能相对较低
✗ 内存占用较高
✗ 并发模型有限

适用场景

• 快速原型开发
• 数据处理和分析
• 自动化脚本
• 小规模文档处理

🐹

Go

优点

✓ 性能优秀，编译型语言
✓ 内存占用低
✓ 原生支持并发
✓ 部署简单，单文件

缺点

✗ 学习曲线较陡
✗ 库相对较少
✗ 开发效率较低

适用场景

• 高性能要求
• 大规模文档处理
• 并发批量处理
• 服务端应用

💡 推荐建议

选择Python：如果您是初学者，需要快速开发，或者处理文档的数量不多，Python是更好的选择。python-docx库功能完善，文档丰富，学习成本低。

选择Go：如果您需要处理大量文档，对性能有要求，或者需要将文档处理功能集成到高性能服务中，Go是更好的选择。unioffice库性能优秀，支持并发处理。

📄 DOCX文件结构详解

💻 Python和Go代码示例

Python处理DOCX文件

1. 安装python-docx库

2. 创建新文档

3. 读取文档内容

4. 修改现有文档

5. 高级功能

6. 批量处理文档

Go语言处理DOCX文件

1. 安装unioffice库

2. 创建新文档

3. 读取文档内容

4. 修改现有文档

5. 高级功能

6. 并发处理文档

Python vs Go 对比

Python

优点

缺点

适用场景

Go

优点

缺点

适用场景

💡 推荐建议