在docx中按順序處理對象

Question

我想按照它們寫入Word文檔的順序來處理對象。我遇到的對象是段落，段落中的文字，段落中運行的文本，表格單元格中的表格和段落。到目前爲止，我有兩個有用的程序。 通過文件段落並獲得該段文本的文件;存儲在由[段落號]索引的列表中。同樣的程序能夠從運行中收集文本;存儲在由[段落＃] [運行＃]索引的2D列表中，但是我沒有發現運行比段落的整個文本更有用。 我的第二個程序遍歷整個文檔並找到表格。當它有一個表格時，它會逐行瀏覽單元格中的行，單元格和段落。

現在，這些看起來像是我的目標的偉大構建塊。我想按順序收集文字。抽象地說，就好像閃爍的文本光標被一個人按住鍵盤上的右箭頭命令移動一樣。當文本光標在對象上移動時，它將通過標記對象的＃號和對象類型的多個索引來存儲它們。

說我有子函數paragraph_read和table_read。說文檔有這個順序的對象：。我想通過這些和執行我的子功能，以這個順序：paragraph_read，paragraph_read，table_read，paragraph_read

我想知道我的程序是否可以通過像光標滑動右對象的文檔對象移動。

幫助很大程度上appreaciated。謝謝。

克里斯

Answer 1

你需要這個功能添加到您的代碼方便的地方：

from docx.document import Document 
from docx.oxml.table import CT_Tbl 
from docx.oxml.text.paragraph import CT_P 
from docx.table import _Cell, Table 
from docx.text.paragraph import Paragraph 


def iter_block_items(parent): 
    """ 
    Yield each paragraph and table child within *parent*, in document 
    order. Each returned value is an instance of either Table or 
    Paragraph. *parent* would most commonly be a reference to a main 
    Document object, but also works for a _Cell object, which itself can 
    contain paragraphs and tables. 
    """ 
    if isinstance(parent, Document): 
     parent_elm = parent.element.body 
    elif isinstance(parent, _Cell): 
     parent_elm = parent._tc 
    else: 
     raise ValueError("something's not right") 

    for child in parent_elm.iterchildren(): 
     if isinstance(child, CT_P): 
      yield Paragraph(child, parent) 
     elif isinstance(child, CT_Tbl): 
      yield Table(child, parent) 

然後你使用這樣的：

document = Document('my_document.docx') 

for block_item in iter_block_items(document): 
    if isinstance(block_item, Paragraph): 
     do_paragraph_thing(paragraph=block_item) 
    elif isinstance(block_item, Table): 
     do_table_thing(table=block_item) 
    else: 
     # raise an exception or do nothing or whatever. This branch would 
     # only be reached on an unforeseen error.