Python之html转docx文件高级用法—使用样式

最近在工作中遇到了html文件转docx格式的需求，实现过程中发现了一款python-docx框架非常好用，虽做知识点整理。分享给大家！

参考框架连接：https://python-docx.readthedocs.io/en/latest/index.html#

在排版管理中，与字符内容无关的所有可视要素都可称之为『样式』，具体说来，包括字体、颜色、对齐、行间距等等。

在Word（以及带有文本编辑功能的Office软件）中，从样式应用的对象分，常用的样式类型有字符样式、段落样式、表格样式、枚举样式等。python-docx目前主要支持前三类，已经基本满足日常使用。

每种样式包含的内容主要有字体（包括字体名称、颜色、倾斜、加粗）和段落格式（缩进、分页模式）等。根据样式应用对象的不同，每类样式不一定包含所有的内容。例如，字符样式就没有段落格式这个内容。

Word有样式管理器，负责管理内建样式和用户自定义样式。python-docx可以操作这个管理器，把自定义的样式添加到管理器里，或者从管理器选取一个样式加以应用。

由于python-docx的样式设置并不能包含Word的所有样式设置。因此个人的建议是：

当你的操作只是涉及Word本身（例如批量整理文件格式），可以利用Word的图形界面设置好自定义样式，然后利用python-docx操作样式管理器，给特定的对象特定的样式。
当你的操作涉及Word之外的东西，而且对样式设置的要求不高（例如，HTML转Word，或者格式比较简单的文档，例如公文），可以使用python-docx直接设置样式。
如果你既不能用Word设置自定义样式（例如需要几百种样式类型），又对样式类型的设置要求很高，则不要用python-docx，考虑VBScript/VBA，或者win32com等功能完备的工具。

1. 创建样式和设置字体

游程对象、段落对象和表格对象都有一个成员Style，而这个Style有一个成员Font，包含了字体的所有设置。

如果凭空的创建一个Style，要使用Document对象的Styles集合的add_style方法。下面的例子里添加了10个段落，为每个段落创建一个新的Style。这些Style的区别是字号依次增加。

# -*- coding: utf-8 -*-
from docx import Document
from docx.shared import Pt
from docx.enum.style import WD_STYLE_TYPE

doc = Document()
for i in range(10):
    p = doc.add_paragraph(u'段落 %d' % i)
    style = doc.styles.add_style('UserStyle%d' %i,WD_STYLE_TYPE.PARAGRAPH)
    style.font.size = Pt(i+20)
    p.style = style
    
doc.save('4-1.docx')

注意到python-docx提供了docx.shared模块，供以Pt（磅）为单位设置字体。类似的单位有Mm、Cm、Inches、Emu（物理尺寸）以及Twips（缇，微软喜好的一种蜜汁尺寸）

对于游程对象，其字体操作可以直接使用Run.font成员。下面给一个字体变化的一句话：

# -*- coding: utf-8 -*-
from docx import Document
from docx.shared import RGBColor
from docx.oxml.ns import qn

doc = Document()
p = doc.add_paragraph()
text_str = u'一个人的命运啊，当然要靠自我奋斗，但是也要考虑到历史的进程。'
for i,ch in enumerate(text_str):
    run = p.add_run(ch)
    font = run.font
    font.name = u'微软雅黑'
    # bug of python-docx
    run._element.rPr.rFonts.set(qn('w:eastAsia'), u'微软雅黑') 
    font.bold = (i % 2 == 0)
    font.italic = (i % 3 == 0)
    color = font.color
    color.rgb = RGBColor(i*10 % 200 + 55,i*20 % 200 + 55,i*30 % 200 + 55)
    
doc.save('4-2.docx')