实例14：用Python批量替换多个Word文件中的文字

Four兄 2019-08-25

展开全文

我们在实例7中批量生成了采购合同。但是假设现在我方的公司名由“ABC商贸有限公司”变成了“ABC贸易有限公司”，那我们就需要去每份合同中对应位置进行替换。当然也可以修改原始模板，然后重新生成合同。此处介绍一下如何使用Python批量替换多个Word文件中的文字，即将“商贸”替换为“贸易”。

我们先去到Word文件中，查找一下“商贸”这个词出现了多少次。下图可见，运气不错，只出现了两次，一次在正文的段落中，另一次在末尾的表格中，而且都是我们要替换的。

import docx
def info_update(doc,old_info, new_info):
    '''此函数用于批量替换合同中需要替换的信息
    doc:文件
    old_info和new_info：原文字和需要替换的新文字
    '''
    #读取段落中的所有run，找到需替换的信息进行替换
    for para in doc.paragraphs: #
        for run in para.runs:
            run.text = run.text.replace(old_info, new_info) #替换信息
    #读取表格中的所有单元格，找到需替换的信息进行替换
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                cell.text = cell.text.replace(old_info, new_info) #替换信息

我们上面直接借用实例7中定义好的用于替换文字的函数info_update。只需要向其中传入目标文件路径，待替换的词和新词即可。然后导入os库，获取目标文件及其路径，如下。

import os #用于获取目标文件所在路径
path='data/' # 文件夹路径
files=[]
for file in os.listdir(path):
    if file.endswith('.docx'): #排除文件夹内的其它干扰文件，只获取word文件
        files.append(path+file) 
files
>>
['data/公司001合同.docx',
 'data/公司002合同.docx',
 'data/公司003合同.docx',
 'data/公司004合同.docx',
 'data/公司005合同.docx',
 'data/公司006合同.docx',
 'data/公司007合同.docx',
 'data/公司008合同.docx',
 'data/公司009合同.docx',
 'data/公司010合同.docx']

然后就可以开始进行批量替换操作了。可到文件夹“替换结果”中查看结果。

for file in files:
    doc = docx.Document(file)
    info_update(doc,'商贸', '贸易')
    doc.save('data/替换结果/{}'.format(file.split('/')[-1]))
    print('{}替换完成'.format(file))
>>
data/公司001合同.docx替换完成
data/公司002合同.docx替换完成
data/公司003合同.docx替换完成
data/公司004合同.docx替换完成
data/公司005合同.docx替换完成
data/公司006合同.docx替换完成
data/公司007合同.docx替换完成
data/公司008合同.docx替换完成
data/公司009合同.docx替换完成
data/公司010合同.docx替换完成

但如果另外的地方也出现了一次或多次“商贸”这个词，且是不能替换的呢？也有办法，我们可以指定替换的段落范围。比如我们故意在“特殊_含干扰词.docx”中间插入4个词“商贸”。这样，我们就有6个“商贸”在文档里了。

假设我们要替换第一、第三、第六个“商贸”为“贸易”，那我们要先确定出它们在那个段落，即对应paragraph的索引。由于第六个“商贸”在表格中，不在段落中，所以我们只需要找出第一、第三个所在的段落即可。

#获取词'商贸'所在段落
import docx #导入docx库
doc = docx.Document('data/含干扰词/特殊_含干扰词.docx') #打开word文件
text=[]
for para in doc.paragraphs: #读取word中的每个段落
    text.append(para.text)
print(len(text))

target_index=[]
for i in text:
    if '商贸' in i:
        target_index.append(text.index(i))
target_index
>>
77
[15, 26, 32, 38, 66]

以上，我们还是使用docx模块来读取目标word文件。我们需要知道包含“商贸”一词所在段落，就需要知道其索引。但是我在docx模块中未找到索引相关的函数，因此这里使用了一个变通的方法。即新建一个空列表text，然后将word文档中的所有段落对应的文本提取并存入这个列表。列表是可以使用索引函数的，而列表里面元素的索引正好对应段落的索引。所以只要找到“商贸”一词在列表text中的索引，也就找到了其在段落paragraph中的索引。通过len(text)可知共有77个段落。

然后再新建一个空列表target_index，用于存储包含“商贸”一词的字符串在列表text中的索引。使用for循环遍历列表text中的所有元素，通过if语句判断其中是否包含“商贸”字符，如果包含，则将这个元素对应的索引text.index(i)存入列表target_index。通过结果，可见找到5处含有“商贸”字符串，索引分别为15, 26, 32, 38, 66。

为了验证是否准确，我们可以打印看一下相应索引对应的段落是否真的包含“商贸”一词。如下打印结果显示，结果很理想。

for j in target_index:
    print(doc.paragraphs[j].text)

>>
乙方：ABC商贸有限责任公司
1.交货方法：由乙方送货(国家主管部门规定有送货办法的，按规定的办法执行；没有规定送货办法的，按双方协议执行)；商贸
1.所有货物由乙方送到交货地点且甲方确认收货后5天内，由甲乙双方共同对货物的包装、外观、数量、商标、型号、规格及性能
等进行验收，签署检验报告。如乙方未按约定到甲方指定地点参加检验的，应视为乙方对甲方单方检验的结果予以确认。验收标准
执行合同规定的货物质量标准。商贸
总价指甲方的交货价格，该价格应包含货物价格、通关费、包装费、物流费、装卸费、保险费、在甲方指定场所的安装调试费、
必要的培训费以及增值税等一切费用。在乙方完全履行本合同下全部义务的情形下，除非另有书面约定，否则合同金额是甲方应
当向乙方支付的全部费用 。商贸
本合同自双方法定代表人或委托代理人签字盖章后生效，至合同条款履行完毕时终止。商贸

因为我们只替换第一、第三、第六个“商贸”为“贸易”，而第六个在表格中。所以需要改一下原来的替换函数info_update，命名为新的函数info_update_new，我们在函数内指定只替换段落15和32中的目标词，表格中的目标词也继续替换。

import docx
def info_update_new(doc,old_info, new_info):
    '''此函数用于批量替换合同中需要替换的信息
    doc:文件
    old_info和new_info：原文字和需要替换的新文字
    '''
    #读取段落中的所有run，找到需替换的信息进行替换
    for i in [15,32]:
        para=doc.paragraphs[i]
        for run in para.runs:
            run.text = run.text.replace(old_info, new_info) #替换信息
    #读取表格中的所有单元格，找到需替换的信息进行替换
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                cell.text = cell.text.replace(old_info, new_info) #替换信息

import os #用于获取目标文件所在路径
path='data/含干扰词/' # 文件夹路径
files=[]
for file in os.listdir(path):
    if file.endswith('.docx'): #排除文件夹内的其它干扰文件，只获取word文件
        files.append(path+file) 

for file in files:
    doc = docx.Document(file)
    info_update_new(doc,'商贸', '贸易')
    doc.save('data/替换结果/{}'.format(file.split('/')[-1]))
    print('{}替换完成'.format(file))
>>
data/含干扰词/特殊_含干扰词.docx替换完成