当前位置：首页 > article >正文

使用 Python 自动化 Word 文档样式复制与内容生成

article 2025/6/7 16:40:24

在办公自动化领域，如何高效地处理 Word 文档的样式和内容复制是一个常见需求。本文将通过一个完整的代码示例，展示如何利用 Python 的 python-docx 库实现 Word 文档样式的深度复制 和 动态内容生成，并结合知识库中的最佳实践优化文档处理流程。

一、为什么需要自动化 Word 文档处理？

手动处理 Word 文档（如复制样式、插入表格/图片）不仅耗时且容易出错。Python 提供了多种库（如 python-docx、pywin32、Spire.Doc）来自动化这些任务。例如，python-docx 可以直接操作 .docx 文件的段落、表格和样式，而无需依赖 Microsoft Office 软件。

二、核心功能实现：样式与表格的深度复制

1. 表格复制（含样式与内容）

以下函数 clone_table 实现了表格的 结构、样式和内容 的完整复制：

def clone_table(old_table, new_doc):"""根据旧表格创建新表格"""# 创建新表格（行列数与原表一致）new_table = new_doc.add_table(rows=len(old_table.rows), cols=len(old_table.columns))# 复制表格样式（如边框、背景色）if old_table.style:new_table.style = old_table.style# 遍历单元格内容与样式for i, old_row in enumerate(old_table.rows):for j, old_cell in enumerate(old_row.cells):new_cell = new_table.cell(i, j)# 清空新单元格默认段落for paragraph in new_cell.paragraphs:new_cell._element.remove(paragraph._element)# 复制段落与样式for old_paragraph in old_cell.paragraphs:new_paragraph = new_cell.add_paragraph()for old_run in old_paragraph.runs:new_run = new_paragraph.add_run(old_run.text)copy_paragraph_style(old_run, new_run)  # 自定义样式复制函数new_paragraph.alignment = old_paragraph.alignmentcopy_cell_borders(old_cell, new_cell)  # 复制单元格边框# 复制列宽for i, col in enumerate(old_table.columns):if col.width is not None:new_table.columns[i].width = col.widthreturn new_table

关键点解析：

表格样式保留：通过 new_table.style = old_table.style 直接继承原表格的样式。
单元格内容与格式分离处理：先清空新单元格的默认段落，再逐行复制文本和样式。
边框与列宽：通过 copy_cell_borders 和列宽设置确保视觉一致性。

2. 文档整体样式复制与内容生成

以下函数 clone_document 实现了从模板文档提取样式，并动态填充内容：

def clone_document(old_s, old_p, old_ws, new_doc_path):new_doc = Document()  # 创建新文档# 动态填充内容for para in old_p:k, v = para["sn"], para["ct"]  # 假设 old_p 包含样式名（sn）和内容（ct）if "image" in v:# 插入图片（需实现 copy_inline_shapes 函数）copy_inline_shapes(new_doc, k, [i for i in old_s if v in i][0][v])elif "table" == k:# 插入表格（需实现 html_table_to_docx 函数）html_table_to_docx(new_doc, v)else:# 段落处理style = [i for i in old_s if i["style"]["sn"] == k]style_ws = [i for i in old_ws if i["style"]["sn"] == k]clone_paragraph(style[0], v, new_doc, style_ws[0])  # 克隆段落样式new_doc.save(new_doc_path)  # 保存新文档

数据结构说明：

old_s：模板文档的样式定义（如字体、段落对齐方式）。
old_p：内容数据（含样式标签与实际内容）。
old_ws：工作表上下文（如表格所在位置）。

三、完整流程演示

1. 依赖准备

首先安装 python-docx：

pip install python-docx

2. 辅助函数实现

以下函数需额外实现（代码未展示完整）：

copy_paragraph_style：复制段落样式（如字体、颜色）。
copy_cell_borders：复制单元格边框样式。
get_para_style：从模板文档提取样式。
html_table_to_docx：将 HTML 表格转换为 Word 表格。

3. 主程序调用

if __name__ == "__main__":# 从模板提取样式与工作表body_ws, _ = get_para_style('demo_template.docx')body_s, body_p = get_para_style("1.docx")# 从 JSON 文件加载内容with open("1.json", "r", encoding="utf-8") as f:body_p = json.loads(f.read())# 生成新文档clone_document(body_s, body_p, body_ws, 'cloned_example.docx')

四、实际应用场景

报告自动生成
结合模板样式，动态填充数据库数据生成标准化报告。
批量文档处理
将多个 Excel 表格批量转换为 Word 文档（参考知识库中的 pywin32 与 python-docx 联合使用）。
博客内容迁移
将 Word 文档保存为 HTML 后，按知识库中的步骤导入 ZBlog 或 WordPress（见知识库 [2] 和 [5]）。

五、常见问题与优化建议

1. 样式丢失问题

原因：Word 文档的样式可能依赖隐式继承。
解决方案：使用 python-docx 的 style 属性显式设置样式，或参考知识库 [7] 使用 Spire.Doc 进行更复杂的样式处理。

2. 图片与表格嵌入异常

原因：路径错误或资源未正确加载。
解决方案：确保图片路径绝对化，或使用 docx.shared.Inches 显式指定尺寸。

3. 性能优化

大文档处理：避免频繁调用 add_paragraph，改用批量操作。
内存管理：及时释放 Document 对象（如 doc = None）。

六、总结

通过本文的代码示例和解析，您已掌握如何使用 Python 实现 Word 文档的 样式深度复制 和 动态内容生成。结合知识库中的其他技术（如 ZBlog 导入、Office 自动化），可进一步扩展至完整的文档工作流自动化。

希望这篇博客能帮助您高效实现文档自动化！如需进一步优化或功能扩展，欢迎留言讨论。

from docx.enum.text import WD_BREAKfrom docx import Document
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml import OxmlElement
from bs4 import BeautifulSoupfrom docx.oxml.ns import qndef docx_table_to_html(word_table):soup = BeautifulSoup(features='html.parser')html_table = soup.new_tag('table', style="border-collapse: collapse;")# 记录哪些单元格已经被合并merged_cells = [[False for _ in range(len(word_table.columns))] for _ in range(len(word_table.rows))]for row_idx, row in enumerate(word_table.rows):html_tr = soup.new_tag('tr')col_idx = 0while col_idx < len(row.cells):cell = row.cells[col_idx]# 如果该单元格已经被合并（被前面的 colspan 或 rowspan 占用），跳过if merged_cells[row_idx][col_idx]:col_idx += 1continue# 跳过纵向合并中被“continue”的单元格v_merge = cell._element.tcPr and cell._element.tcPr.find(qn('w:vMerge'))if v_merge is not None and v_merge.get(qn('w:val')) == 'continue':col_idx += 1continuetd = soup.new_tag('td')# 设置文本内容td.string = cell.text.strip()# 初始化样式字符串td_style = ''# 获取单元格样式if cell._element.tcPr:tc_pr = cell._element.tcPr# 处理背景颜色shd = tc_pr.find(qn('w:shd'))if shd is not None:bg_color = shd.get(qn('w:fill'))if bg_color:td_style += f'background-color:#{bg_color};'# 处理对齐方式jc = tc_pr.find(qn('w:jc'))if jc is not None:align = jc.get(qn('w:val'))if align == 'center':td_style += 'text-align:center;'elif align == 'right':td_style += 'text-align:right;'else:td_style += 'text-align:left;'# 处理边框borders = tc_pr.find(qn('w:tcBorders'))if borders is not None:for border_type in ['top', 'left', 'bottom', 'right']:border = borders.find(qn(f'w:{border_type}'))if border is not None:color = border.get(qn('w:color'), '000000')size = int(border.get(qn('w:sz'), '4'))  # 半点单位，1pt = 2szstyle = border.get(qn('w:val'), 'single')td_style += f'border-{border_type}:{size // 2}px {style} #{color};'# 处理横向合并（colspan）grid_span = tc_pr.find(qn('w:gridSpan'))if grid_span is not None:colspan = int(grid_span.get(qn('w:val'), '1'))if colspan > 1:td['colspan'] = colspan# 标记后面被合并的单元格for c in range(col_idx + 1, col_idx + colspan):if c < len(row.cells):merged_cells[row_idx][c] = True# 处理纵向合并（rowspan）v_merge = tc_pr.find(qn('w:vMerge'))if v_merge is not None and v_merge.get(qn('w:val')) != 'continue':rowspan = 1next_row_idx = row_idx + 1while next_row_idx < len(word_table.rows):next_cell = word_table.rows[next_row_idx].cells[col_idx]next_v_merge = next_cell._element.tcPr and next_cell._element.tcPr.find(qn('w:vMerge'))if next_v_merge is not None and next_v_merge.get(qn('w:val')) == 'continue':rowspan += 1next_row_idx += 1else:breakif rowspan > 1:td['rowspan'] = rowspan# 标记后面被合并的行for r in range(row_idx + 1, row_idx + rowspan):if r < len(word_table.rows):merged_cells[r][col_idx] = True# 设置样式和默认边距td['style'] = td_style + "padding: 5px;"html_tr.append(td)# 更新列索引if 'colspan' in td.attrs:col_idx += int(td['colspan'])else:col_idx += 1html_table.append(html_tr)soup.append(html_table)return str(soup)def set_cell_background(cell, color_hex):"""设置单元格背景色"""color_hex = color_hex.lstrip('#')shading_elm = OxmlElement('w:shd')shading_elm.set(qn('w:fill'), color_hex)cell._tc.get_or_add_tcPr().append(shading_elm)def html_table_to_docx(doc, html_content):"""将 HTML 中的表格转换为 Word 文档中的表格:param html_content: HTML 字符串:param doc: python-docx Document 实例"""soup = BeautifulSoup(html_content, 'html.parser')tables = soup.find_all('table')for html_table in tables:# 获取表格行数trs = html_table.find_all('tr')rows = len(trs)# 估算最大列数（考虑 colspan）cols = 0for tr in trs:col_count = 0for cell in tr.find_all(['td', 'th']):col_count += int(cell.get('colspan', 1))cols = max(cols, col_count)# 创建 Word 表格table = doc.add_table(rows=rows, cols=cols)table.style = 'Table Grid'# 记录已处理的单元格（用于处理合并）used_cells = [[False for _ in range(cols)] for _ in range(rows)]for row_idx, tr in enumerate(trs):cells = tr.find_all(['td', 'th'])col_idx = 0for cell in cells:while col_idx < cols and used_cells[row_idx][col_idx]:col_idx += 1if col_idx >= cols:break  # 避免越界# 获取 colspan 和 rowspancolspan = int(cell.get('colspan', 1))rowspan = int(cell.get('rowspan', 1))# 获取文本内容text = cell.get_text(strip=True)# 获取对齐方式align = cell.get('align')align_map = {'left': WD_ALIGN_PARAGRAPH.LEFT,'center': WD_ALIGN_PARAGRAPH.CENTER,'right': WD_ALIGN_PARAGRAPH.RIGHT}# 获取背景颜色style = cell.get('style', '')bg_color = Nonefor s in style.split(';'):if 'background-color' in s or 'background' in s:bg_color = s.split(':')[1].strip()break# 获取 Word 单元格word_cell = table.cell(row_idx, col_idx)# 合并单元格if colspan > 1 or rowspan > 1:end_row = min(row_idx + rowspan - 1, rows - 1)end_col = min(col_idx + colspan - 1, cols - 1)merged_cell = table.cell(row_idx, col_idx).merge(table.cell(end_row, end_col))word_cell = merged_cell# 设置文本内容para = word_cell.paragraphs[0]para.text = text# 设置对齐方式if align in align_map:para.alignment = align_map[align]# 设置背景颜色if bg_color:try:set_cell_background(word_cell, bg_color)except:pass  # 忽略无效颜色格式# 标记已使用的单元格for r in range(row_idx, min(row_idx + rowspan, rows)):for c in range(col_idx, min(col_idx + colspan, cols)):used_cells[r][c] = True# 移动到下一个可用列col_idx += colspan# 添加空段落分隔doc.add_paragraph()return docdef copy_inline_shapes(old_paragraph):"""复制段落中的所有内嵌形状（通常是图片）"""images = []for shape in old_paragraph._element.xpath('.//w:drawing'):blip = shape.find('.//a:blip', namespaces={'a': 'http://schemas.openxmlformats.org/drawingml/2006/main'})if blip is not None:rId = blip.attrib['{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed']image_part = old_paragraph.part.related_parts[rId]image_bytes = image_part.image.blobimage_name=image_part.filename+";"+image_part.partnameimages.append([image_bytes,image_name, image_part.image.width, image_part.image.height])return imagesdef is_page_break(element):"""判断元素是否为分页符（段落或表格后）"""if element.tag.endswith('p'):for child in element:if child.tag.endswith('br') and child.get(qn('type')) == 'page':return Trueelif element.tag.endswith('tbl'):# 表格后可能有分页符（通过下一个元素判断）if element.getnext() is not None:next_element = element.getnext()if next_element.tag.endswith('p'):for child in next_element:if child.tag.endswith('br') and child.get(qn('type')) == 'page':return Truereturn Falsedef clone_paragraph(old_para):"""根据旧段落创建新段落"""style = {"run_style": []}if old_para.style:# 这里保存style  主要通过字体识别   是 几级标题style_name_to_style_obj = {"sn":old_para.style.name + "_" + str(old_para.alignment).split()[0], "ct": old_para.style}style["style"] = style_name_to_style_objparas = []for old_run in old_para.runs:text_to_style_name = {"ct":old_run.text, "sn":old_para.style.name + "_" + str(old_para.alignment).split()[0]}style["run_style"].append(old_run)paras.append(text_to_style_name)style_name_to_alignment = {"sn":old_para.style.name + "_" + str(old_para.alignment).split()[0],"ct":old_para.alignment}style["alignment"] = style_name_to_alignmentimages = copy_inline_shapes(old_para)if len(images):for  image_bytes,image_name, image_width, image_height in images:style[image_name.split(";")[-1]] = imagesparas.append({"sn":image_name.split(";")[0],"ct":image_name.split(";")[-1]})return style, parasdef clone_document(old_doc_path):try:old_doc = Document(old_doc_path)new_doc = Document()# 复制主体内容elements = old_doc.element.bodypara_index = 0table_index = 0index = 0body_style = []body_paras = []while index < len(elements):element = elements[index]if element.tag.endswith('p'):old_para = old_doc.paragraphs[para_index]style, paras = clone_paragraph(old_para)body_style.append(style)body_paras += paraspara_index += 1index += 1elif element.tag.endswith('tbl'):old_table = old_doc.tables[table_index]body_paras += [{"sn":"table","ct":docx_table_to_html(old_table)}]table_index += 1index += 1elif element.tag.endswith('br') and element.get(qn('type')) == 'page':if index > 0:body_paras.append("br")new_doc.add_paragraph().add_run().add_break(WD_BREAK.PAGE)index += 1else:index += 1# 检查分页符if index < len(elements) and is_page_break(elements[index]):if index > 0:new_doc.add_paragraph().add_run().add_break(WD_BREAK.PAGE)body_paras.append("br")index += 1else:return body_style, body_parasexcept Exception as e:print(f"复制文档时发生错误：{e}")# 使用示例
if __name__ == "__main__":# 示例HTML表格body_s, body_p = clone_document('1.docx')print()

import jsonfrom docx import Document
from docx.oxml import OxmlElement
from docx.oxml.shared import qn
from wan_neng_copy_word import clone_document as get_para_style,html_table_to_docx
import io
# 剩余部分保持不变...def copy_inline_shapes(new_doc,image_name, img):"""复制段落中的所有内嵌形状（通常是图片）"""new_para = new_doc.add_paragraph()for image_bytes_src,_, w, h in img:try:with open(image_name, 'rb') as f:image_bytes = f.read()except:image_bytes = image_bytes_src# 添加图片到新段落new_para.add_run().add_picture(io.BytesIO(image_bytes), width=w, height=h)  # 设置宽度为1.25英寸或其他合适的值def copy_paragraph_style(run_from, run_to):"""复制 run 的样式"""run_to.bold = run_from.boldrun_to.italic = run_from.italicrun_to.underline = run_from.underlinerun_to.font.size = run_from.font.sizerun_to.font.color.rgb = run_from.font.color.rgbrun_to.font.name = run_from.font.namerun_to.font.all_caps = run_from.font.all_capsrun_to.font.strike = run_from.font.strikerun_to.font.shadow = run_from.font.shadowdef is_page_break(element):"""判断元素是否为分页符（段落或表格后）"""if element.tag.endswith('p'):for child in element:if child.tag.endswith('br') and child.get(qn('type')) == 'page':return Trueelif element.tag.endswith('tbl'):# 表格后可能有分页符（通过下一个元素判断）if element.getnext() is not None:next_element = element.getnext()if next_element.tag.endswith('p'):for child in next_element:if child.tag.endswith('br') and child.get(qn('type')) == 'page':return Truereturn Falsedef clone_paragraph(para_style, text, new_doc, para_style_ws):"""根据旧段落创建新段落"""new_para = new_doc.add_paragraph()para_style_ws = para_style_ws["style"]["ct"]para_style_data = para_style["style"]["ct"]para_style_ws.font.size = para_style_data.font.sizenew_para.style = para_style_wsnew_run = new_para.add_run(text)copy_paragraph_style(para_style["run_style"][0], new_run)new_para.alignment = para_style["alignment"]["ct"]return new_paradef copy_cell_borders(old_cell, new_cell):"""复制单元格的边框样式"""old_tc = old_cell._tcnew_tc = new_cell._tcold_borders = old_tc.xpath('.//w:tcBorders')if old_borders:old_border = old_borders[0]new_border = OxmlElement('w:tcBorders')border_types = ['top', 'left', 'bottom', 'right', 'insideH', 'insideV']for border_type in border_types:old_element = old_border.find(f'.//w:{border_type}', namespaces={'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'})if old_element is not None:new_element = OxmlElement(f'w:{border_type}')for attr, value in old_element.attrib.items():new_element.set(attr, value)new_border.append(new_element)tc_pr = new_tc.get_or_add_tcPr()tc_pr.append(new_border)def clone_table(old_table, new_doc):"""根据旧表格创建新表格"""new_table = new_doc.add_table(rows=len(old_table.rows), cols=len(old_table.columns))if old_table.style:new_table.style = old_table.stylefor i, old_row in enumerate(old_table.rows):for j, old_cell in enumerate(old_row.cells):new_cell = new_table.cell(i, j)for paragraph in new_cell.paragraphs:new_cell._element.remove(paragraph._element)for old_paragraph in old_cell.paragraphs:new_paragraph = new_cell.add_paragraph()for old_run in old_paragraph.runs:new_run = new_paragraph.add_run(old_run.text)copy_paragraph_style(old_run, new_run)new_paragraph.alignment = old_paragraph.alignmentcopy_cell_borders(old_cell, new_cell)for i, col in enumerate(old_table.columns):if col.width is not None:new_table.columns[i].width = col.widthreturn new_tabledef clone_document(old_s, old_p, old_ws, new_doc_path):new_doc = Document()# 复制主体内容for para in old_p:k, v =para["sn"],para["ct"]if "image" in v:copy_inline_shapes(new_doc,k, [i for i in old_s if v in i ][0][v])elif "table" == k:html_table_to_docx(new_doc,v)else:style = [i for i in old_s if i["style"]["sn"]==k ]style_ws = [i for i in old_ws if i["style"]["sn"]==k ]clone_paragraph(style[0], v, new_doc, style_ws[0])new_doc.save(new_doc_path)# 使用示例
if __name__ == "__main__":body_ws, _ = get_para_style('demo_template.docx')body_s, body_p = get_para_style("1.docx")# 将body_p 或者是压缩后的内容 给llm 如果希望llm 只是参考模版样式，可以压缩如果需要内容或者修改不可压缩# 而后得到json  1.json 进行word生成with open("1.json", "r", encoding="utf-8") as f:body_p=json.loads(f.read())print("获取样式完成",body_p)clone_document(body_s, body_p, body_ws, 'cloned_example.docx')

from docx import Document
from docx.enum.text import WD_ALIGN_PARAGRAPH# 创建一个新的Word文档
doc = Document()
for align in [WD_ALIGN_PARAGRAPH.LEFT, WD_ALIGN_PARAGRAPH.RIGHT, WD_ALIGN_PARAGRAPH.CENTER, None]:for blod_flag in [True, False]:# 获取所有可用的段落样式名（只保留段落样式）paragraph_styles = [style for style in doc.styles if style.type == 1  # type == 1 表示段落样式]# 输出样式数量print(f"共找到 {len(paragraph_styles)} 种段落样式：")for style in paragraph_styles:print(f"- {style.name}")# 在文档中添加每个样式对应的段落for style in paragraph_styles:heading = doc.add_paragraph()run = heading.add_run(f"样式名称: {style.name}")run.bold = blod_flagpara = doc.add_paragraph(f"这是一个应用了 '{style.name}' 样式的段落示例。", style=style)para.alignment = align# 添加分隔线（可选）doc.add_paragraph("-" * 40)# 保存为 demo_template.docx
doc.save("demo_template.docx")
print("\n✅ 已生成包含所有段落样式的模板文件：demo_template.docx")