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：
word 文档内容
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：
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")
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：
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
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
re.S
为可选标识修饰符，使 . 匹配包括换行在内的所有字符
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')
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
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
