document文档格式、线段、图片、页眉页脚等都不变
# -*- coding: utf-8 -*-# @Time : /5/6 11:46# @Author :"""# 利用python-docx替换文章中的内容pip install python-docx# 格式、线段、图片、页眉页脚等都不变# python-docx 在处理超链接的问题时,可以参考一下链接对源码进行修改/python-openxml/python-docx/issues/85# 具体修改操作如下\site-packages\docx\oxml\__init__.py# 需要新增的代码def remove_hyperlink_tags(xml):import retext = xml.decode('utf-8')text = text.replace("</w:hyperlink>","")text = re.sub('<w:hyperlink[^>]*>', "", text)return text.encode('utf-8')# 需要修改的源码def parse_xml(xml):root_element = etree.fromstring(remove_hyperlink_tags(xml), oxml_parser)return root_element"""import osfrom docx import Documentfrom win32com import client# 自己写的逐句翻译包import doc_scandef pre_document(filename):"""由于python_docx（只能读取.docx文件，不能读取.doc文件）将对应文件夹下的doc文件转为docx文件:param filename: 文件的绝对路径:return:"""file_tuple = os.path.splitext(filename)if file_tuple[1] == '.doc':word = client.Dispatch('Word.Application')doc = word.Documents.Open(filename) # 目标路径下的文件doc.SaveAs(file_tuple[0] + ".docx", 16) # 转化后路径下的文件doc.Close()word.Quit()# 把源文件删除os.remove(filename)def read_document():"""原文文章为中文,然后将中文逐句翻译成英文,把英文替换原来的中文,保留文章的原样式:return:"""# 遍历doc文件下的所有的文件path = os.path.dirname(os.path.abspath(__file__)) + '\doc'for f in os.listdir(path):file = "%s\%s" % (path, f)# 对源文件进行预处理pre_document(file)document = Document(file)for num, paragraph in enumerate(document.paragraphs):# 获取每段中的文字old_text = paragraph.text.strip()if old_text:inlines = paragraph.runsif inlines:# 将原有的文章里面的内容为空for li, inli in enumerate(inlines):inlines[li].text = inlines[li].text.replace(inlines[li].text, '')new_text = doc_scan.Scan(old_text)# 把翻译好的文章句子 替换到 零号位置上面inlines[0].text = new_text# 保存文件,覆盖操作document.save(file)# 将document中的图片下载到本地# document = Document(file)# for shape in document.inline_shapes:#contentID = shape._inline.graphic.graphicData.pic.blipFill.blip.embed#contentType = document.part.related_parts[contentID].content_type#if not contentType.startswith('image'):# continue#imgName = basename(document.part.related_parts[contentID].partname)#imgData = document.part.related_parts[contentID]._blob#with open(imgName,'wb') as fp:# fp.write(imgData)if __name__ == '__main__':read_document()
