python学习—合并多个word文档

系列文章目录

python学习—合并TXT文本文件
python学习—统计嵌套文件夹内的文件数量并建立索引表格
python学习—查找指定目录下的指定类型文件
python学习—年会不能停，游戏抽签抽奖
python学习—循环语句-控制流
python学习—合并多个Excel工作簿表格文件
python学习—批量复制并重命名文件夹
python学习—详解word邮件合并

文章目录

系列文章目录
功能说明
1 准备工作
2 第一版代码
- - (1) win32com模块
  - (2) 初始化
  - (3) 遍历
  - (4) 保存合并文档
  - (5) 第一版完整代码
3 第二版代码
- - (1) 制作格式化块
  - (2) 插入块
  - (3) 查看运行效果
  - (4) 完善代码
  - (5) 第二版完整代码
4 后记

功能说明

最近有个工作，是某个高速公路的征地项目，涉及高速公路占地的某县下辖的几个乡镇22个村的2000多户村民，每户都要填写一张固定格式的《征地补偿登记表》纸质表，主要记录一些农户基本信息，填写完毕后交给乡镇或村委会指派人员负责转录到固定格式的电子word文档中，再交给我们收集归档。

在收集过程中就出现问题了，发现有些村提交的文档是1个多页文档，每页记录一户村民信息，这种情况我们审核维护就很简单了；然而还有一些村提交的是1户1个文档，如果100户就是100个word文档，这也是可以理解的，毕竟工作量不小有可能是很多人分别录入的。

多人录入就出现了字体不同，字号有差异，个别单元格填写不规范等小问题，既然都交过来，再让他们重新录入也不好，时间也不允许，我审查需要重复打开关闭很是烦人，就想着能否用python编程来实现多个word文档的合并。

首先来看一下《征地补偿登记表》的格式，如下图：

从上图可以看到，word文档的主体是一个表格，表格上面有标题行，表格下面有几行内容，整个A4版面布局满满当当，再多一行就会串页了。

根据单页文档的特点，因为单页布局太满，可以预判到合并文档很可能会发生上下串页的问题，可以通过对合并的word文档缩小页边距尝试解决。

本代码目标为：

1 自动读取本地文件夹内多个单页word文档；
2 合并生成1个多页word文档；
3 要求保留原文档的格式不变；
4 串页问题，通过调整页边距解决。
代码运行环境：python 3.11版本， pycharm 2022.2.5

1 准备工作

我首先准备了15个单页word文档放在同一个目录中，如下图。

2 第一版代码

思路是：我第一版思路很简单，就是打开分户文档——复制内容——粘贴到合并文档。

经过一些失败，反复测试后终于成功实现合并功能。第一版本的代码，主要实现一个合并的操作。

(1) win32com模块

win32com 模块是 Python 中 pywin32 库的一部分，它为 Python 提供了对 Windows 组件对象模型（COM）的访问能力，允许 Python 脚本与支持 COM 接口的 Windows 应用程序进行交互。

win32com 可以让 Python 中自动化操作 Microsoft Office 套件，如 Word、Excel 和 PowerPoint，首先安装模块，从清华大学镜像。

pip install pywin32 -i https://pypi.tuna.tsinghua.edu.cn/simple/

(2) 初始化

首先调用word程序，创建一个word文档作为合并文档。

    # 初始化 Word 应用程序对象
    word = win32.gencache.EnsureDispatch('Word.Application')
    # 隐藏 Word 应用程序窗口
    word.Visible = False
    # 创建一个新的 Word 文档用于合并
    merged_doc = word.Documents.Add()
    # 将分户文档文件夹folder_path路径转换为 Path 对象
    folder_path = Path(folder_path)

注意：这里创建的 merged_doc，是一个中间变量，用来保存过程中复制的内容，最终输出的合并文档为output_file 。

(3) 遍历

思路是：打开分页文档——复制内容——找文档末尾——粘贴内容——插入分页符——关闭分页文档。
遍历所有分页文档。

   # 遍历文件列表，逐个处理
    for i, file_path in enumerate(file_list, start=1):
        # 打开当前 Word 文档
        current_doc = word.Documents.Open(str(file_path))
        # 复制当前文档的全部内容
        current_doc.Content.Copy()
        # 获取合并文档内容的最后一个字符位置
        end_position = merged_doc.Content.End - 1
        # 创建文档范围对象，定位到合并文档的末尾
        paste_range = merged_doc.Range(end_position)
        # 将剪贴板中的内容粘贴到合并文档的末尾
        paste_range.Paste()
        # 如果不是最后一个文件，插入分页符
        if i < len(file_list):
            merged_doc.Range(merged_doc.Content.End - 1).InsertBreak(win32.constants.wdPageBreak)
        # 关闭当前文档，不保存更改
        current_doc.Close(False)

(4) 保存合并文档

把中间变量 merged_doc 保存为最终的合并文档，输出 output_file。

    # 保存合并后的文档到指定路径
    merged_doc.SaveAs2(output_file)

中间便令使命结束，关闭中间便令，不保存修改。

    # 关闭合并后的文档，不保存更改
    merged_doc.Close(False)

这是因为在合并过程中，文档的内容已经被保存到指定的输出文件output_file 中（通过merged_doc.SaveAs2(output_file)），因此不需要中间变量 merged_doc 再次保存更改。
使用False可以避免弹出保存提示框，确保程序自动关闭文档而不进行额外的保存操作。

    # 退出 Word 应用程序
    word.Quit()

调用windows程序，使用后需要关闭word程序。

(5) 第一版完整代码

from pathlib import Path
import win32com.client as win32


def merge_word_documents(folder_path, output_file):
    # 初始化 Word 应用程序对象
    word = win32.gencache.EnsureDispatch('Word.Application')
    # 隐藏 Word 应用程序窗口
    word.Visible = False
    # 创建一个新的 Word 文档用于合并
    merged_doc = word.Documents.Add()
    # 将文件夹路径转换为 Path 对象
    folder_path = Path(folder_path)

    # 获取文件夹中所有 .docx 或 .doc 文件，跳过隐藏文件和临时文件
    file_list = [
        f for f in folder_path.iterdir()
        if f.suffix.lower() in ('.docx', '.doc') and not f.name.startswith('.') and not f.name.startswith('~$')
    ]

    # 遍历文件列表，逐个处理
    for i, file_path in enumerate(file_list, start=1):
        # 打开当前 Word 文档
        current_doc = word.Documents.Open(str(file_path))
        # 复制当前文档的全部内容
        current_doc.Content.Copy()
        # 获取合并文档内容的最后一个字符位置
        end_position = merged_doc.Content.End - 1
        # 创建文档范围对象，定位到合并文档的末尾
        paste_range = merged_doc.Range(end_position)
        # 将剪贴板中的内容粘贴到合并文档的末尾
        paste_range.Paste()
        # 如果不是最后一个文件，插入分页符
        if i < len(file_list):
            merged_doc.Range(merged_doc.Content.End - 1).InsertBreak(win32.constants.wdPageBreak)
        # 关闭当前文档，不保存更改
        current_doc.Close(False)

    # 保存合并后的文档到指定路径
    merged_doc.SaveAs2(output_file)
    # 关闭合并后的文档，不保存更改
    merged_doc.Close(False)
    # 退出 Word 应用程序
    word.Quit()


if __name__ == "__main__":
    # 指定包含 Word 文档的文件夹路径
    folderpath = 'E:/test/python3/小程序/分户合并/分户'
    outputfile = 'E:/test/python3/小程序/分户合并/合并.docx'
    merge_word_documents(folderpath, outputfile)
    print('合并完成')

在完整代码中增加的跳过隐藏文件和临时文件的语句，因为打开word文件会产生 ~$开头的缓存文件，这些缓存文件是隐藏文件。

结果如下图：

从结果图中可以看到，确实出现了串页的问题，这是因为每页的结尾添加了分页符导致的。

如果单页word文档不是布局太满的话，代码应该能完美合并。

串页问题可以通过调整页面边距改善，单元格：”权属证明编号“ 内容太长可以删除括号中内容，也能解决串页的问题。

总之，通过简单处理后可以得到完美的合并文档

3 第二版代码

第一版思路是复制粘贴，导致串页，我换个思路，把分页文档作为整体，插入合并文档，是否能解决串页问题呢？

代码的主体应该不用变，只需要把 “复制粘贴的动作” 调整为 “插入的动作” 。

(1) 制作格式化块

将分户文档作为一个整体，将其格式化。

   for i, file_path in enumerate(file_list, start=1):
        # 打开指定的分户Word文档，选中文档中的所有内容，并将其格式化的文本内容，获取格式化文本
        current_doc = word.Documents.Open(str(file_path))
        current_doc.Content.Select()
        selected_text = word.Selection.Range.FormattedText

current_doc 是遍历循环里的中间变量，存储每个分页word的内容。

找到合并文档变量 merged_doc 的末尾，添加一个分页符，准备插入做好的格式化块。

        # 将光标移动到文档末尾，以便插入新内容
        merged_doc.Activate()
        word.Selection.EndKey(Unit=win32.constants.wdStory)

        # 在文档之间插入分页符（除了第一个文档）
        if i > 1:
            word.Selection.InsertBreak(win32.constants.wdPageBreak)

(2) 插入块

        # 将选中的文本内容插入到合并后的文档中，并关闭当前打开的文档，不保存任何更改
        word.Selection.Range.FormattedText = selected_text
        current_doc.Close(False)  # 不保存更改，还原循环内的变量初始化

(3) 查看运行效果

其他代码不变，运行一下看效果，结果跟第一版的效果完全一样，串页的位置都一样。

应该是哪里出问题了？思路不同，为啥最后效果一样呢？经过一番搜索学习，找到一个方法：

PasteSpecial 方法：是 Microsoft Word 的对象模型中用于粘贴剪贴板内容的一个方法。它允许用户以特定的方式粘贴内容，例如保留源格式、仅粘贴文本或粘贴为图片等，参数DataType主要用于指定粘贴内容的格式和行为。以下是对 DataType 参数的简介：

DataType: 指定粘贴时使用的数据类型，常见的值包括：

win32.constants.wdPasteDefault：使用默认格式粘贴内容（保留源格式）。
win32.constants.wdPasteText：仅粘贴纯文本。
win32.constants.wdPasteRTF：以 RTF 格式粘贴。
win32.constants.wdPasteHTML：以 HTML 格式粘贴。
win32.constants.wdPasteMetafilePicture：以元文件图片格式粘贴。
在代码中，DataType=win32.constants.wdPasteDefault 表示按照源文档的默认格式进行粘贴，确保合并后的文档样式与源文档一致。

(4) 完善代码

既然是 Paste 粘贴，那么前面一定要有 Copy复制，好像又回到第一版代码去了。修改遍历循环里的代码如下：

        # 打开当前 Word 文档，复制内容
        current_doc = word.Documents.Open(str(file_path))
        current_doc.Content.Copy()
        
    // 修改了查找文档末尾的方法
        # 将光标移动到合并文档的末尾
        merged_doc.Activate()
        word.Selection.EndKey(Unit=win32.constants.wdStory)
        # 如果不是第一个文件，插入分页符
        if i > 1:
            word.Selection.InsertBreak(win32.constants.wdPageBreak)
            
     // 关键语句：使用 PasteSpecial 方法粘贴内容，保留源格式
        word.Selection.PasteSpecial(DataType=win32.constants.wdPasteDefault)
        
        # 关闭当前文档，不保存更改
        current_doc.Close(False)

(5) 第二版完整代码

from pathlib import Path
import win32com.client as win32


def merge_word_documents(folder_path, output_file):
    # 创建 Word 应用程序对象
    word = win32.gencache.EnsureDispatch('Word.Application')
    word.Visible = False
    merged_doc = word.Documents.Add()

    folder_path = Path(folder_path)

    # 跳过隐藏文件和临时文件
    file_list = [
        f for f in folder_path.iterdir()
        if f.suffix.lower() in ('.docx', '.doc') and not f.name.startswith('.') and not f.name.startswith('~$')
    ]

    for i, file_path in enumerate(file_list, start=1):
        # 打开当前 Word 文档
        current_doc = word.Documents.Open(str(file_path))
        # 复制当前文档的全部内容
        current_doc.Content.Copy()
        # 将光标移动到合并文档的末尾
        merged_doc.Activate()
        word.Selection.EndKey(Unit=win32.constants.wdStory)
        # 如果不是第一个文件，插入分页符
        if i > 1:
            word.Selection.InsertBreak(win32.constants.wdPageBreak)
        # 使用 PasteSpecial 方法粘贴内容，保留源格式
        word.Selection.PasteSpecial(DataType=win32.constants.wdPasteDefault)
        # 关闭当前文档，不保存更改
        current_doc.Close(False)

    merged_doc.SaveAs2(output_file)
    merged_doc.Close(False)
    word.Quit()


if __name__ == "__main__":
    folderpath = 'E:/test/python3/小程序/分户合并/分户'
    outputfile = 'E:/test/python3/小程序/分户合并/合并.docx'
    merge_word_documents(folderpath, outputfile)
    print('合并完成')

第二版的运行效果，竟然实现了插入块的效果，就跟CAD文件中的块效果一样一样的，每个分页word变成了合并文档中的一个块，想要编辑这个块，双击进入块编辑器才能编辑，之后再退出。真是峰回路转，意想不到。

仔细看效果图：

可以看到，合并后的文档也不串页了，每个页面也变成了块，官方说法是：这是一个插入的对象，而不是一个组合。如果将其转换为office图形对象，会丢失嵌入的数据或链接的信息。

如果想要编辑这个对象，需要双击进入对象，关闭后又是一个不能随意编辑的块了。这倒是一个防止误修改的好方法。

也有不好的地方，无法进行查找和替换操作了，因为所有要素都在对象内部，从合并文档直接查找是找不到的。

4 后记

通过以上代码，可以实现多个word文档的合并，并且两个版本的合并效果不同，各有优缺点，可以根据需要使用。

需要注意一点，可能是windows系统的问题，也可能是 python的问题，运行合并代码以后，系统会多次调用word程序，导致代码运行结束后word程序并没有完全退出干净，连续运行合并代码会报错。

    self._oleobj_.InvokeTypes(dispid, 0, wFlags, retType, argTypes, *args),
    ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
pywintypes.com_error: (-2147418111, '被呼叫方拒绝接收呼叫。', None, None)