前两天有个朋友向我求助，她在写毕业论文时，不小心将论文里的中文双引号替换为英文的了，各种原因导致无法回退，8万多字的论文，眼看就要交了，该怎么办？

首先想到 word 自身的替换功能，倒是能查到，但是没法动态替换，即只替换两边引号，而不换中间内容；

另外一种方案是，即用 VBA，通过编程来替换，虽说做过几个项目，可好久不用，拾起费劲，再加上 VBA 中各种概念和用法，学习成本太高，放弃；

还有一种方案，即用 Python 操作 word，首先对 Python 更熟悉，另外一定有别人造好的轮子。果然，没用多久找到了 python-docx Python 库，文档齐全，功能强大，用来解决替换问题不在话下。

开始之前，先简单了解下 python-docx

python-docx 介绍

python-docx 是用于创建可修改 微软 Word 的一个 python 库，提供全套的 Word 操作，是最常用的 Word 工具

概念

使用前，先了解几个概念：

• Document： 是一个 Word 文档 对象，不同于 VBA 中 Worksheet 的概念，Document 是独立的，打开不同的 Word 文档，就会有不同的 Document 对象，相互之间没有影响
• Paragraph： 是段落，一个 Word 文档由多个段落组成，当在文档中输入一个回车键，就会成为新的段落，输入 shift + 回车，不会分段
• Run 表示一个节段，每个段落由多个 节段 组成，一个段落中具有相同样式的连续文本，组成一个节段，所以一个 段落 对象有个 Run 列表

例如有一个 Word，内容是：

则 结构这样划分：

第二个 段落（paragraph），没有内容，所以 节段（run）为空

安装

可以用 pip 来安装：

pip install python-docx

命令行中运行下面语句，如果没有报错，则说明安装成功

$ python -c 'import docx'

小试牛刀

python-docx 安装后，测试一下：

from docx import Document

document = Document()
paragraph = document.add_paragraph('Lorem ipsum dolor sit amet.')
prior_paragraph = paragraph.insert_paragraph_before('Lorem ipsum')

document.save(r"D:\test.docx")

• 引入 Document 类
• 定义一个新文档对象 document
• 想文档中插入一个段落（paragraph）
• 再在这个段落（paragraph）前插入另一个段落
• 最后调用文档对象 document 的 save 保存文档

用 Word 打开保存的 test.docx 就可以看到：

问题分析与解决

了解了 python-docx 的基本概念，开始着手解决问题，大体思路是：

1. 读取文档内容
2. 查找 英文引号 之间的内容
3. 将找到的内容的 英文引号 换成 中文引号，并将内容替换回去
4. 完成处理后将文档另存

查找目标

首先要解决的是如何找到 英文引号之间的内容？

例如文档内容有这么一段：

...
对"基于需求的教育资源配
置系统观"的研究，尤其是对"以学习者为中心"和从"个性化学习"、"精准教学"视角出发的
教育资源配置问题提供了理论"支持\\以及"方向指导
...

对于英文引号来说不区分前引号和后引号，怎么能保证配置到的不会是 "和从"、"、" 以及 "以学习者为中心"和从"个性化学习"、"精准教学" 或者 不会忽略两个引号出现在上下行的情况？

重温正则表达式，终于得到如下表达式：

'"(?:[^"])*"'

• ?:：为了取消圆括号模式配置过程的缓存，即不需要遇到一个符合的就结束匹配
• [^"]：表示匹配的内容不能是 "，以避免贪婪匹配，即避免匹配成 从第一个 " 开始一直到最后一个 "结束
• 整体的意思是 配置两个 " 之间的内容，且内容中不包括 "

后来整理过程中，还发现另一种写法：

'".*?"'

不过 . 不能匹配换行符\n，坚持要用，需要使用 可选修饰符 re.S:

import re
pattern = re.compile('".*?"', re.S)

re.findAll(pattern, text)  # text 为待查找字符串

• 引入 正则表达式模块 re
• re.S 为可选标识修饰符，使 . 匹配包括换行在内的所有字符
• 利用 findAll 查找所有匹配内容

关于 Python 正在表达式的更多用法参考文后参考链接

实现

查找问题解决了，做替换就方便多了：

from docx import Document
import re

doc = Document(r"D:\论文.docx")
restr = '"(?:[^"])*"'

for p in doc.paragraphs:
    matchRet = re.findall(restr, p.text)
    for r in matchRet:
        p.text = p.text.replace(r, '“' + r[1:-1] + '”')
doc.save(r'D:\论文_修正.docx')

• 引入 Document 类，和正则表达式模块
• 打开目标文档，字符串前的 r 表示取消字符串转义，即按原始字符产来解释
• 循环文档的 段落（paragraph），对每个段落，用正则表达式进行匹配
• 循环对于匹配到的结果，将前后引号，换成中文引号，并替换 段落（paragraph）的 text；其中 r[1:-1] 表示截取从第二个位置(第一个位置是 0）到倒数第二个位置截取字符串，刚好去掉前后引号
• 最后另存文档

注意：python-docx 保存文档时不会给出任何提示，会瞬间完成，所以另存是个稳妥的做法

完工，赶紧将替换好的文档发过去……

还没来得回味，她说：“非常感谢！那个～ 能不能再帮我生成个图表目录，这个必须要……”

好吧，能者多劳（神器在手），干就完了……

强大的 python-docx

在上面小试牛刀中，介绍了插入段落（paragraph）的用法，下面在介绍一些 python-docx 的其他功能

为了简洁，下面例子中省略了 Document 类的引入和实例化代码，document 为 Document 的实例

添加标题

默认情况下添加的标题是最高一级的，即一级标题，通过参数 level 设定，范围是 1 ~ 9，也有 0 级别，表示的是段落标题：

# 添加一级标题
document.add_heading('我是一级标题')

decument.add_heading('我是二级标题', level=2)

decument.add_heading('我是段落标题', level=0)

添加换页

如果一个段落不满一页，需要分页时，可以插入一个分页符，直接调用会将分页符插入到最后一个段落之后:

# 文档最后插入分页
document.add_page_break()

# 特定段落分页
from docx.enum.text import WD_BREAK
paragraph = document.add_paragraph("独占一页")  # 添加一个段落
paragraph.runs[-1].add_break(WD_BREAK.PAGE)  # 在段落的最后一个节段后添加分页

表格操作

Word 文档中经常会用到表格，python-docx 如何添加和操作表格呢？

# 添加一个 2×2 表格
table = document.add_table(rows=2, cols=2)

# 获取第一行第二列单元格
cell = table.cell(0, 1)

# 设置单元格文本
cell.text = '我是单元格文字'

# 表格的行
row = table.rows[1]
row.cells[0].text = 'Foo bar to you.'
row.cells[1].text = 'And a hearty foo bar to you too sir!'

# 增加行
row = table.add_row()

更复杂点的例子：

# 表格数据
items = (
    (7, '1024', '手机'),
    (3, '2042', '笔记本'),
    (1, '1288', '台式机'),
)

# 添加一个表格
table = document.add_table(1, 3)

# 设置表格标题
heading_cells = table.rows[0].cells
heading_cells[0].text = '数量'
heading_cells[1].text = '编码'
heading_cells[2].text = '描述'

# 将数据填入表格
for item in items:
    cells = table.add_row().cells
    cells[0].text = str(item[0])
    cells[1].text = item[1]
    cells[2].text = item[2]

添加图片

添加图片，即，为 Word 里 菜单中 插入 > 图片 插入的功能，插入图片为原始大小：

document.add_picture('image-filename.png')

插入时设置图片大小：

from docx.shared import Cm
# 设置图片的跨度为 10 厘米
document.add_picture('image-filename.png', width=Cm(10))

除了厘米，python-docx 还提供了 英寸（Inches），如设置 1英寸: Inches(1.0)

样式

样式可以针对整体文档（document）、段落（paragraph）、节段（run），月具体，样式优先级越高

python-docx 样式功能配置多样，功能丰富，这里对段落样式和文字样式做简单介绍

段落样式

段落样式包括：对齐、列表样式、行间距、缩进、背景色等，可以在添加段落时设定，也可以在添加之后设置：

# 添加一个段落，设置为无序列表样式
document.add_paragraph('我是个无序列表段落', style='List Bullet')

# 添加段落后，通过 style 属性设置样式
paragraph = document.add_paragraph('我也是个无序列表段落')
paragraph.style = 'List Bullet'

文字样式

在前面 python-docx 文档结构图可以看到，段落中，不同样式的内容，被划分成多个 节段（Run），文字样式是通过 节段（Run）来设置的

设置加粗/斜体

paragraph = document.add_paragraph('添加一个段落')
# 设置 节段文字为加粗
run = paragraph.add_run('添加一个节段')
run.bold = True

# 设置 节段文字为斜体
run = paragraph.add_run('我是斜体的')
run.italic = True

设置字体

设置字体稍微复杂些，例如设置一段文字为 宋体：

paragraph = document.add_paragraph('我的字体是 宋体')
run = paragraph.runs[0]
run.font.name = '宋体'
run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')

总结

python-docx 是个功能强大的 Word 库，能实现几乎所有在 Word 中操作，今天通过一个实例，介绍了 python-docx 的一些基本用法，限于篇幅，没法展开讨论更多内容，如果有兴趣可以深入研究，说不定可以让 Word 像 Markdown 一样简单。