多DOCX文檔文本內(nèi)容批量替換工具的實(shí)現(xiàn)和應(yīng)用

羅文兵 王健 周月

（北京賽迪軟件測(cè)評(píng)工程技術(shù)中心有限公司 北京市 100048）

近年來(lái)人們對(duì)低碳環(huán)保意識(shí)的不斷增強(qiáng)，無(wú)紙化辦公已在各行各業(yè)廣泛應(yīng)用。電子文檔作為信息交互的主要媒介，在無(wú)紙化辦公中扮演著重要的角色。DOCX作為當(dāng)今電子文檔的主流格式之一，是美國(guó)微軟公司在其辦公系統(tǒng)Microsoft Office 2007之后廣泛使用的Word文件擴(kuò)展名，其本質(zhì)是基于Office Open XML標(biāo)準(zhǔn)的壓縮文件格式，我國(guó)的WPS Office也可以很好的兼容該格式。在DOCX文檔使用的過(guò)程中，常常有這樣一種需求場(chǎng)景，需要修改替換多個(gè)DOCX文檔中含有相同文本的內(nèi)容。如果使用傳統(tǒng)默認(rèn)的工作方式，逐個(gè)打開(kāi)DOCX文檔進(jìn)行編輯替換操作，既耗時(shí)又費(fèi)力，效率低下。本文依托軟件第三方測(cè)評(píng)電子文檔編制工作場(chǎng)景，設(shè)計(jì)實(shí)現(xiàn)了一款無(wú)需啟動(dòng)文字處理軟件就可以編輯多個(gè)DOCX文檔，完成批量修改替換DOCX文檔中文本內(nèi)容的工具，該工具在實(shí)際工作中也得到了較多測(cè)試工程師的使用，可以快速的完成對(duì)多DOCX文檔相同文本內(nèi)容的編輯替換，進(jìn)一步提升了軟件第三方測(cè)評(píng)電子文檔編制修改的效率。

1 設(shè)計(jì)工具的背景

軟件第三方測(cè)評(píng)工作，通俗的說(shuō)是擺事實(shí)、講證據(jù)的工作。在整個(gè)工作過(guò)程會(huì)產(chǎn)出大量的DOCX格式的電子文檔，如測(cè)試方案、測(cè)試計(jì)劃、測(cè)試用例、測(cè)試報(bào)告以及有關(guān)質(zhì)量控制的文檔。這些DOCX文檔經(jīng)常包含各種各樣相同的要素信息，如研制單位名稱(chēng)、被測(cè)系統(tǒng)名稱(chēng)、測(cè)試項(xiàng)名稱(chēng)或用例標(biāo)識(shí)等內(nèi)容。DOCX文檔的編制過(guò)程中，在測(cè)試需求模糊、變更或測(cè)試文檔評(píng)審后等情況下，經(jīng)常需要對(duì)上述多種DOCX文檔包含的相同文本內(nèi)容進(jìn)行統(tǒng)一修改，但主流的文字處理軟件只提供了對(duì)單個(gè)DOCX文檔內(nèi)容替換功能，只能將DOCX

文檔按照次序一個(gè)一個(gè)打開(kāi)，執(zhí)行相關(guān)修改替換操作，無(wú)法一次同時(shí)完成對(duì)多個(gè)DOCX文檔相同文本的編輯替換操作。若要進(jìn)行此類(lèi)的操作，則需要借助VBA宏程序或者第三方的工具軟件等完成。一直以來(lái)，該類(lèi)工具軟件比較有代表性的是澳大利亞DataMystic公司的WordPipe，雖然其可以較好地完成對(duì)多DOCX文檔的編輯替換操作，但存在以下一些不足：

（1）工具為非開(kāi)源軟件，軟件內(nèi)部邏輯未知，其知識(shí)產(chǎn)權(quán)屬澳大利亞DataMystic公司所有。使用其對(duì)DOCX文檔進(jìn)行批量編輯，存在軟件后門(mén)等未知風(fēng)險(xiǎn)。

（2）工具為商業(yè)付費(fèi)軟件，需要支付較昂貴的授權(quán)費(fèi)用。軟件的試用期，有批量處理文件數(shù)量的限制。若付費(fèi)使用，但只是在一些少量、簡(jiǎn)單替換需求的多DOCX文檔批量替換場(chǎng)景，為此付出高昂費(fèi)用，性?xún)r(jià)比極低。

（3）工具不支持跨平臺(tái)，只能運(yùn)行于Windows 7及以上的操作系統(tǒng)。在國(guó)產(chǎn)自主可控浪潮的今天，其無(wú)法在基于Linux內(nèi)核的國(guó)產(chǎn)操作系統(tǒng)上運(yùn)行。

（4）工具無(wú)法自定義。缺少適用于國(guó)內(nèi)軟件第三方測(cè)評(píng)文檔批量編輯等領(lǐng)域復(fù)雜場(chǎng)景的替換功能。

為了解決在軟件第三方測(cè)評(píng)電子文檔編制工作中，批量替換多DOCX文檔文本內(nèi)容的需求。首先基于Microsoft Visual Studio2010 Visual C#研發(fā)了一款Windows窗體應(yīng)用程序“多Word文檔內(nèi)容替換工具”，該工具基本滿(mǎn)足了工作的需要，在不啟動(dòng)Word軟件的方式下，可以對(duì)單個(gè)DOCX文件或文件夾中的多個(gè)DOCX文件進(jìn)行編輯，完成一條或多條文本內(nèi)容的替換。但也存在以下一些不足：

（1）工具是基于Visual C#開(kāi)發(fā)的Windows窗體應(yīng)用程序，只能運(yùn)行于Windows平臺(tái)，無(wú)法跨平臺(tái)使用。

（2）工具需在安裝Microsoft Office系統(tǒng)后，才可以正常完成文本內(nèi)容替換功能。

（3）查找內(nèi)容和替換內(nèi)容文本輸入框，在運(yùn)行工具后需逐條輸入。在文本條目較少時(shí)，使用工具編輯文檔的效率尚可，但文本條目較多時(shí)，使用工具較為繁瑣。

（4）工具僅實(shí)現(xiàn)了基本的DOCX文件替換功能。在執(zhí)行替換操作時(shí)，容易出現(xiàn)“誤傷”，替換了一些不需要替換的文本，如一些專(zhuān)有名詞、單位名稱(chēng)等。

多Word文檔內(nèi)容替換工具主要界面見(jiàn)圖1。

圖1：多Word文檔內(nèi)容替換工具主要界面

為了進(jìn)一步解決跨平臺(tái)使用、精準(zhǔn)替換等迫切需求，最后基于Python設(shè)計(jì)實(shí)現(xiàn)了一款“多DOCX文檔文本內(nèi)容批量替換工具”，該工具為單機(jī)運(yùn)行方式，可以部署在Windows、MacOS、Linux和國(guó)產(chǎn)操作系統(tǒng)操作中，在不啟動(dòng)文字處理軟件的前提下，直接對(duì)DOCX文檔進(jìn)行操作，不僅可以完成對(duì)普通多DOCX文檔相同文本內(nèi)容的替換，還可以對(duì)預(yù)置標(biāo)記詞條的多DOXC文檔進(jìn)行處理，執(zhí)行準(zhǔn)確、快速的替換。進(jìn)一步提高多DOCX文檔編制修改的效率。

2 工具的實(shí)現(xiàn)

“多DOCX文檔文本內(nèi)容批量替換工具”包括模式選擇及輸入模塊、處理模塊和輸出模塊。工具的組成及處理流程示意圖見(jiàn)圖2。

圖2：多DOCX文檔文本內(nèi)容批量替換工具組成及處理流程示意圖

（1）模式選擇及輸入模塊?？紤]到第三方測(cè)評(píng)電子文檔編制工作的實(shí)際情況，主要分為“模板替換”和“文本替換”兩種模式。在執(zhí)行文檔集替換操作時(shí)，需要準(zhǔn)備好包含“查找內(nèi)容”和“替換內(nèi)容”的“替換信息表（XLSX表格）”文件，以及待處理的“DOCX文檔（集）”兩類(lèi)輸入文件?！疤鎿Q信息表（XLSX表格）”文件，首行作為表頭，其余行作為數(shù)據(jù)行，有“模板替換信息表（XLSX表格）”和“文本替換信息表（XLSX表格）”兩種形式見(jiàn)圖3。

圖3：“替換信息表（XLSX表格）”文件示意圖

（2）處理模塊。“模板替換”模式可以提前在DOCX文檔（集）預(yù)置標(biāo)記，然后即可精準(zhǔn)的按照“模板替換信息表（XLSX表格）”的內(nèi)容對(duì)“預(yù)制標(biāo)記的DOCX文檔（集）”進(jìn)行無(wú)“誤傷”的替換操作?！拔谋咎鎿Q”模式則可以按照“文本替換信息表（XLSX表格）”的內(nèi)容對(duì)“普通DOCX文檔（集）”執(zhí)行與文字處理軟件內(nèi)部替換功能一致的替換操作。

（3）輸出模塊。在執(zhí)行工具界面上的相關(guān)功能時(shí)，會(huì)實(shí)時(shí)在“信息處理”區(qū)域輸出當(dāng)前工具的操作記錄，工具執(zhí)行完成后給出相應(yīng)提示信息，隨即完成了對(duì)待處理的“DOCX文檔（集）”的處理。

“多DOCX文檔文本內(nèi)容批量替換工具”基于Python的原生庫(kù)tkinter、configparser、zipfile、第三方庫(kù)OpenPyXL、python-docx-template和python-docx實(shí)現(xiàn)。其中，tkinter庫(kù)用于人機(jī)交互界面的制作，通過(guò)可視化界面的方式提供相關(guān)功能；configparser用于工具配置文件的解析；zipfile用于模板zip壓縮文件的文件解壓提取操作；OpenPyXL庫(kù)用于對(duì)XLSX文檔中的數(shù)據(jù)進(jìn)行讀??；pythondocx庫(kù)用于對(duì)DOCX文檔進(jìn)行操作；python-docx-template庫(kù)用于對(duì)使用類(lèi)Jinja2語(yǔ)法標(biāo)記過(guò)的DOCX文檔進(jìn)行操作。

使用Tkinter庫(kù)制作人機(jī)交互界面時(shí)，設(shè)計(jì)實(shí)現(xiàn)了頂部菜單欄（menubar）、選擇文件對(duì)話(huà)框（askopenfilename）、單項(xiàng)選擇按鈕（Radiobutton）、文件路徑文本框（Entry）和多行文本框（Text）等界面元素。

使用configparser庫(kù)進(jìn)行工具默認(rèn)配置文件的生成設(shè)置和讀取操作。設(shè)置配置文件源碼示意圖見(jiàn)圖4。

圖4：設(shè)置配置文件源碼示意圖

使用zipfile庫(kù)，用于對(duì)包含“預(yù)制標(biāo)記的DOCX文檔（集）”的ZIP模板文件進(jìn)行解壓提取操作，將ZIP模板文件中的DOCX文件解壓到指定路徑。

使用OpenPyXL庫(kù)讀取“模板替換信息表（XLSX表格）”中“查找內(nèi)容”和“替換內(nèi)容”的數(shù)據(jù)時(shí)，主要涉及三個(gè)對(duì)象模型，Workbook、Sheet和Cell。讀取XLSX文檔源碼示意圖見(jiàn)圖5。

圖5：讀取XLSX文檔源碼示意圖

（1）Workbook是XLSX文檔中的工作簿，一個(gè)工作簿包含多個(gè)工作表。操作XLSX文檔時(shí)，首先需要?jiǎng)?chuàng)建Workbook對(duì)象，每個(gè)被創(chuàng)建和打開(kāi)的XLSX文檔都是獨(dú)立的Workbook對(duì)象。

（2）Sheet是XLSX文檔中的工作表，每個(gè)XLSX文檔至少需要含有一個(gè)Sheet，Sheet對(duì)象又包含了工作表的行、列、單元格等對(duì)象元素。

（3）Cell是XLSX文檔中工作表的單元格，是不可分割的基本數(shù)據(jù)存儲(chǔ)單元。讀取XLSX文檔源碼示意圖如圖5所示。

使用python-docx庫(kù)處理“普通DOCX文檔（集）”，進(jìn)行打開(kāi)、編輯、保存和普通文本替換等操作時(shí)，主要涉及四個(gè)對(duì)象模型，Document、Paragraph、Run及Section。操作DOCX文檔源碼示意圖見(jiàn)圖6。

圖6：操作DOCX文檔源碼示意圖

（1）Document：是DOCX文檔對(duì)象，每個(gè)DOCX文檔對(duì)象包含許多個(gè)代表“段落”的Paragraph對(duì)象。

（2）Paragraph：是DOCX文檔中段落的對(duì)象。一個(gè)DOCX文檔由多個(gè)段落組成，當(dāng)在DOCX文檔中輸入一個(gè)換行符（按回車(chē)鍵），就創(chuàng)建一個(gè)新的段落，而當(dāng)輸入手動(dòng)換行符（按Shift+回車(chē)鍵）則不會(huì)創(chuàng)建新的段落。每個(gè)段落又包含許多個(gè)代表段落內(nèi)“文本塊”元素的Run對(duì)象。

（3）Run是DOCX文檔段落內(nèi)的一個(gè)節(jié)段。每個(gè)段落由多個(gè)節(jié)段組成，一個(gè)段落中具有相同樣式的連續(xù)文本，組成一個(gè)節(jié)段。Run是DOCX文檔最基本的單位，生成文檔對(duì)象時(shí)，python-docx會(huì)根據(jù)樣式的變化來(lái)將文本切分為一個(gè)個(gè)的Run對(duì)象。

（4）Section是DOCX文檔的章節(jié)對(duì)象。DOCX文檔的章節(jié)以分節(jié)符作為標(biāo)記，章節(jié)對(duì)象包含了頁(yè)眉和頁(yè)腳的對(duì)象。

使用python-docx-template庫(kù)時(shí)，由于其繼承使用了Jinja2方法，在處理“預(yù)制標(biāo)記的DOCX文檔（集）”，進(jìn)行精準(zhǔn)替換操作時(shí)，主要涉及了一些Jinja2的標(biāo)記語(yǔ)言。通過(guò)提前在DOCX文檔中預(yù)制標(biāo)記信息，定義如“{{標(biāo)記名稱(chēng)}}”的標(biāo)記信息，然后對(duì)這些標(biāo)記查找和定位，實(shí)現(xiàn)對(duì)DOCX文檔文本內(nèi)容的精準(zhǔn)替換。

出于對(duì)工具易用性的考慮，在模式選擇模塊中，設(shè)計(jì)實(shí)現(xiàn)了“模板替換”“已有文件模板替換”“已有文件文本替換”三個(gè)功能。“替換模式”的第一個(gè)選項(xiàng)“模板替換”功能可以自動(dòng)解壓包含“預(yù)制標(biāo)記的DOCX文檔（集）”的ZIP文件，并完成模板替換功能；第二個(gè)選項(xiàng)“已有文件模板替換”功能，適用于在文件夾中已存“預(yù)制標(biāo)記的DOCX文檔（集）”的情況；第三個(gè)選項(xiàng)，“已有文件文本替換”功能，則是按照“文本替換信息表（XLSX表格）”的內(nèi)容，對(duì)“普通DOCX文檔（集）”執(zhí)行與文字處理軟件內(nèi)部替換功能一致的替換操作。“多DOCX文檔文本內(nèi)容批量替換工具”主要界面示意圖見(jiàn)圖7。

圖7：多DOCX文檔文本內(nèi)容批量替換工具主要界面示意圖

工具實(shí)現(xiàn)時(shí)也考慮了自定義配置的功能，提供對(duì)“文本替換信息表（XLSX表格）”讀取內(nèi)容的配置?？梢酝ㄟ^(guò)對(duì)配置文件的修改，自定義讀取“文本替換信息表（XLSX表格）”的工作表名稱(chēng)，如“Sheet1”，自定義“查找內(nèi)容”和“替換內(nèi)容”的列，如“查找內(nèi)容列：B”、“替換內(nèi)容列：C”?！岸郉OCX文檔文本內(nèi)容批量替換工具”自定義配置示意圖見(jiàn)圖8。

圖8：多DOCX文檔文本內(nèi)容批量替換工具自定義配置示意圖

3 工具的應(yīng)用

“多DOCX文檔文本內(nèi)容批量替換工具”由基于跨平臺(tái)特性較好的Python語(yǔ)言實(shí)現(xiàn)，能夠在軟件第三方測(cè)評(píng)電子文檔編制的主要操作系統(tǒng)運(yùn)行中。在軟件第三方測(cè)評(píng)電子文檔編制實(shí)際工作中，得到了較廣泛的使用。

（1）“模板替換”可應(yīng)用于文檔要素、格式相對(duì)固定的表單、申請(qǐng)說(shuō)明等DOCX文檔的批量修改處理領(lǐng)域。軟件測(cè)試相關(guān)的立項(xiàng)、評(píng)審等DOCX文檔的批量修改的應(yīng)用示意圖見(jiàn)圖9。

圖9：“模板替換”場(chǎng)景示意圖

（2）“文本替換”沒(méi)有行業(yè)領(lǐng)域的限制，可應(yīng)用需要批量處理多個(gè)DOCX文檔的場(chǎng)景。如軟件測(cè)試文檔編制、商務(wù)信函、錄用通知等DOCX文檔批量修改處理。軟件測(cè)試相關(guān)的DOCX文檔的批量修改示意圖見(jiàn)圖10。

圖10：“文本替換”場(chǎng)景示意圖

4 結(jié)束語(yǔ)

“多DOCX文檔文本內(nèi)容批量替換工具”，將繁復(fù)的多個(gè)DOCX文檔編輯替換相同文本內(nèi)容的工作進(jìn)行了簡(jiǎn)化，解決了批量處理多個(gè)DOCX文檔的效率問(wèn)題，節(jié)省了在相關(guān)文檔編制工作的大量時(shí)間?？梢詫?duì)工具內(nèi)置的模板進(jìn)行修改、自定義，提高相關(guān)領(lǐng)域文檔批量編制工作的效率。