python讀取word修訂

① 怎麼啟動python解釋器

1.首先找到本地python安裝位置，若找不到可直接搜索「python」,復制「python.exe」執行文件的所在目錄，如下：

注意事項：

python2.x下為：print "Hello World"

python3.x下print需要加「()」：print ("Hello World")

② python如何讀取word文件中的文本內容並寫入到新的txt文件

③ Python Word文檔處理 上篇：python-docx

某天我收到一個需求：希望能夠用python對word文檔進行一些處理，比如更換一些文字以及添加批註。

簡單搜索後，我發現 python-docx 是一個處理docx文檔的常用python庫，因此我打算用它來進行進一步開發。

官方文檔 提供了一個簡單的示例

python-docx 將文檔抽象為document對象、paragraph對象以及run對象，提供了圍繞這些對象進行簡單處理的API

然而在文檔中並沒有出現關於批註操作的部分，我在搜尋 一些文章 後發現了在某個 issue 中提及了添加批註相關信息，然而還是沒有得到具體的解決辦法

docx文檔底層是由XML文件組成的

我們可以將一個 xx.docx 文件的後綴名改為 .rar 然後將其手動解壓，可以得到下面這些文件

在諸多文件當中主要用到的是 document.xml 文件，這里保存了文檔的內容

打開一份 document.xml 文件，拋開header、footer、table以及其他特殊項，去掉樣式等修飾項，一份樸素的docx文檔主要可以分為三個部分：paragraph、run、text

paragraph即段落，就是我們在word當中看到的一段。text即文本，就是真實的內容。run比較抽象，我們可以將其理解為片段，即語句的切分。

為了更好地理解run是什麼，打開一篇word文檔定位其中一句話

讓我們看看這篇文檔解壓之後的 document.xml 文件中對應的部分

OK，我們可以看到原本完整的一句話在word中被拆分成了許多個 <w:r> 標簽，這就是 run ，word切分 run 的規則很多，有的根據標點符號，有的根據中文分詞，句子中如果存在不同樣式的字詞也會單獨切分出來，因此我們很難預估一句話究竟會被分成幾個片段。

在issue中搜索comment關鍵字發現在一個 merge request 上已經給出了添加批註的解決方案，可以通過 paragraph 對象上的 add_comment 方法給一個段落添加批註

但這還是不符合我的需求，我的目標是精準添加到某個詞或者短語上

打開 這個貢獻者的源碼 進行研究

其實就是在P標簽內插入comment標簽引用，同時添加comment標簽到xx文件

同理我們可以在r標簽內插入comment標簽引用，同時添加comment標簽到xx文件，這樣就能實現給特定詞添加批註的需求了

④ 如何在 Linux 上使用 Python 讀取 word 文件信息

首先下載安裝win32com
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open('c:/test')
doc.SaveAs('c:/test.text', 2)
doc.Close()
word.Quit()

這種方式產生的text文檔，不能用python用普通的r方式讀取，為了讓python可以用r方式讀取，應當寫成

doc.SaveAs('c:/test', 4)

注意：系統執行完成後，會自動產生文件後綴txt（雖然沒有指明後綴）。
在xp系統下面，應當
open(r'c:\text','r')
wdFormatDocument = 0
wdFormatDocument97 = 0
wdFormatDocumentDefault = 16
wdFormatDOSText = 4
wdFormatDOSTextLineBreaks = 5
wdFormatEncodedText = 7
wdFormatFilteredHTML = 10
wdFormatFlatXML = 19
wdFormatFlatXMLMacroEnabled = 20
wdFormatFlatXMLTemplate = 21
= 22
wdFormatHTML = 8
wdFormatPDF = 17
wdFormatRTF = 6
wdFormatTemplate = 1
wdFormatTemplate97 = 1
wdFormatText = 2
wdFormatTextLineBreaks = 3
wdFormatUnicodeText = 7
wdFormatWebArchive = 9
wdFormatXML = 11
wdFormatXMLDocument = 12
= 13
wdFormatXMLTemplate = 14
= 15
wdFormatXPS = 18

照著字面意思應該能對應到相應的文件格式，如果你是office 2003可能支持不了這么多格式。word文件轉html有兩種格式可選wdFormatHTML、wdFormatFilteredHTML（對應數字 8、10），區別是如果是wdFormatHTML格式的話，word文件裡面的公式等ole對象將會存儲成wmf格式，而選用 wdFormatFilteredHTML的話公式圖片將存儲為gif格式，而且目測可以看出用wdFormatFilteredHTML生成的HTML 明顯比wdFormatHTML要干凈許多。
當然你也可以用任意一種語言通過com來調用office API，比如PHP.
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'c:/test1.doc')
doc.SaveAs('c:/test1.text', 4)
doc.Close()
import re
strings=open(r'c:\test1.text','r').read()
result=re.findall('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）',strings)
chan=re.sub('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）','()',strings)
question=open(r'c:\question','a+')
question.write(chan)
question.close()
answer=open(r'c:\answeronly','a+')
for i,a in enumerate(result):
m=re.search('[A-D]',a)
answer.write(str(i+1)+' '+m.group()+'\n')
answer.close()
chan=re.sub(r'\xa3\xa8\s*[A-D]\s*\xa3\xa9','()',strings)
#不要()，容易引起歧義。

⑤ python sys在哪個目錄下

將路徑「永久"添加到sys.path?
sys.path是python的搜索模塊的路徑集，是一個list
復制代碼 代碼如下:
['', 'C:\\WINDOWS\\system32\\python26.zip', 'C:\\Python26\\DLLs', 'C:\\Python26\ \lib', 'C:\\Python26\\lib\\plat-win', 'C:\\Python26\\lib\\lib-tk', 'C:\\Python26 ', 'C:\\Python26\\lib\\site-packages', 'C:\\Python26\\lib\\site-packages\\win32' , 'C:\\Python26\\lib\\site-packages\\win32\\lib', 'C:\\Python26\\lib\\site-packa ges\\Pythonwin']
可以在python 環境下使用sys.path.append(path)添加相關的路徑，但在退出python環境後自己添加的路徑就會自動消失！
在python腳本中修改
復制代碼 代碼如下:
import sys
sys.path.append('c:\\mypythonlib')
為解決這個問題，可以有以下方法：
1. 將自己做的py文件放到 site_packages 目錄下：
下面命令顯示了 site-packages 目錄：
復制代碼 代碼如下:
python -c "from distutils.sysconfig import get_python_lib; print get_python_lib() "
但是這樣做會導致一個問題，即各類模塊都放到此文件夾的話，會導致亂的問題，這一點是顯而易見的。
注意，也不創建子文件夾，再將自己的模塊放到子文件夾解決問題，這會導致使用import 語句時錯誤。
2. 使用pth文件，在 site-packages 文件中創建 .pth文件，將模塊的路徑寫進去，一行一個路徑，以下是一個示例，pth文件也可以使用注釋：
# .pth file for the my project(這行是注釋)
E:\DjangoWord
E:\DjangoWord\mysite
E:\DjangoWord\mysite\polls
這個不失為一個好的方法，但存在管理上的問題，而且不能在不同的python版本中共享。
3. 使用PYTHONPATH環境變數，在這個環境變數中輸入相關的路徑，不同的路徑之間用逗號（英文的！)分開，如果PYTHONPATH 變數還不存在，可以創建它！
路徑會自動加入到sys.path中，而且可以在不同的python版本中共享，應該是一樣較為方便的方法。
關於與python相關的環境變數有那些，請參考：
http://docs.python.org/using/cmdline.html
在頁面上找到PYTHONPATH