Enciclopedia Galáctica

Esta página es de solo lectura. Puedes ver la fuente pero no puedes cambiarla. Pregunta a tu administrador si crees que esto es incorrecto.
====== Word ======
Para trabajar con Word desde Python usaremos el módulo de terceros Python-Docx en su versión 0.8.10: **pip install --user -U python-docx==0.8.10**.\\
Se puede encontrar su documentación en [[https://python-docx.readthedocs.io/|su página oficial]].\\
\\
Los documentos Word guardan una gran estructura en comparación con los documentos de texto plano. \\
Los documentos Word (de tipo //Document//) se dividen en párrafos (porciones de texto limitadas por saltos de línea, datos de tipo //Paragraph//), que a su vez se dividen en porciones de texto //Run// diferenciados por tener diferentes estilos.

===== Lectura de documentos Word =====
Se abre el documento con la función **docx.Document('**//Nombre_documento//.docx**')** y se asigna el resultado tipo //Document// a una variable.\\

Se puede conocer el número de párrafos del documento con la función len() y el atributo de documento **paragraphs**: **len(doc.paragraphs)**.\\

Se accede a cada párrafo del documento como si se tratase de una lista, pero para obtener su contenido en texto plano, se usa el atributo **text**: **doc.paragraphs[0].text**.\\

Para conocer el número de //runs// dentro de un párrafo, podemos usar también la función len() sobre un párrafo y el atributo **runs**: **len(doc.paragraphs[1].runs)**.\\

Y del mismo modo que con los párrafos, podemos aceder a los //runs// del párrafo como si de una lista anidada se tratase y recuperarlos en texto plano con el atributo **text**: **doc.paragraphs[1].runs[0].text**.

Ejemplo para obtener el texto plano completo de un documento.
<code python>
import docx

def getText(filename):
    doc = docx.Document(filename)
    textoCompleto=[]
    for parrafo in doc.paragraphs:
        textoCompleto.append(parrafo.text)
     return '\n'.join(textoCompleto)
</code>

===== Estilos de párrafo y runs =====
En Word de Windows pueden verse los diferentes estilos con la //hotkey// ctrl+Alt+May+s.\\

Para los documentos Word se pueden asignar 3 tipos de estilos:
  * **//Paragraph styles//** Se aplican a párrafos.
  * **//Character styles//** Se aplican a objetos //Run//.
  * **//Linked styles//** Se aplican a párrafos y //Runs//.

Con el atributo **style** se le puede asignar estilos a Runs y a párrafos. Para ello hay que indicar el estulo en un string que debe coincidir con los estilos disponibles. Cuando se usa un //linked style// con un Run, además de especificar un string con el nombre del estilo, hay que añadir ' Char'.
<code python>
# ...
objetoParrafo.style = 'Quote'
objetoRun.style = 'Quote Char' # Para asignar el mismo estilo que al párrafo
# ...
</code>

Si se indica como estilo None, toma el estilo por defecto.\\
En la versión de Python-Docx 0.8.10 en la que estamos trabajando no se pueden crear estilos, sólo pueden usarse los que trae Word por defecto y los que ya estén creados en ese documento previamente.

===== Atributos de Runs =====
Los atributos de run define el estilo de los strings correspondientes. Para activarlos o no, se especifican en un balor booleano True o False. También None para tomar el valor por defecto.\\
\\
Los atributos son:
  * bold
  * italic
  * underline
  * strike
  * double_strike
  * all_caps
  * small_caps
  * shadow
  * outline    Se define un cuadro alrededor del texto.
  * rtl    Texto de derecha a izquierda.
  * imprint    
  * emboss

===== Escribir en documentos Word =====
Se crea un nuevo documento con la función **docx.Document()** sin argumentos, y asignando el resultado a una variable para poder trabajar con él.\\

Para añadir un párrafo se utiliza el método doc.**add_paragraph(**//texto//**)**.\\

No olvidar guardar el documento, para que éste sea creado: oc.**save(**//nombreDocumento//.docx**)**.\\

Para cada párrafo se pueden añadir runs con el método **add_run**:
<code python>
import docx
doc = docx.Document()
doc.add_paragraph('Hello world!')
parrafo2 = doc.add_paragraph('Lorem ipsum dolor sit amet, consectetur adipiscing elit. Maecenas est enim, suscipit at ornare vitae, molestie blandit ante.')
parrafo2.add_run('Morbi blandit ligula ac ipsum condimentum hendrerit.')
doc.save('loremIpsum.docx')
</code>

Los métodos **add_paragraphs** y **add_run** aceptan como segundo elemento uno de los estilos disponibles.

===== Añadiendo encabezados =====
Se utiliza la función **add_headings()** en el objeto //Document//. El primer arumento es texto, y el segundo el nivel del encabezado, siendo el mayor 0.\\
De cara al Documento, son tratados como párrafos, puesto que terminan en salto de línea.

===== Añadiendo líneas y saltos de página =====
Para añadir una línea, se utiliza el método de documento, párrafo o run **add_breack()**.\\

Para añadir un salto de línea se añade el argumento **docx.enum.text.WD_BREAK.PAGE** al método add_breack().\\

 ===== Añadiendo imágenes =====
Se utiliza el método de documento doc.**add_picture()**, en el que se indican los siguientes argumentos:
  - Nombre de la imagen, incluyendo dirección, si no está en el directorio de trabajo.
  - **width = docx.shared.Inches(**//número de pulgadas//**)** # Anchura de la imagen en pulgadas.
  - **height= docx.shared.Cm(**//número de centímetros//**)**   # Anchura de la imagen en centímetros.

Tanto la altura //height//, como la anchura //width//, pueden expresarse en centímetros o pulgadas.
===== Creando PDFs a partir de documentos Word =====
Para ello necesitamos otro módulo: Pywin32. Es un módulo de terceros que hay que instalar <code python>pip install --user -U pywin32==224</code>

Una vez hemos guardado el documento Word, vamos a guardarlo en pdf. Lo primero es conocer el número que indica el formato de guardado PDF en el listado de tipos de archivo a guardar, en el ejemplo de estas notas es el 17.<code python>wdFormatPDF = 17 # Word's numeric code for PDFs.</code>

A continuación, obtenemos un objeto que representa la aplicación Word: <code python>wordObj = win32com.client.Dispatch('Word.Application')</code> Y otro a partir de éste, que representa el documento en un formato propio de la biblioteca instalada <code python>docObj = wordObj.Documents.Open(wordFilename)</code>. Entonces ya podemos proceder al guardado en PDF <code python>docObj.SaveAs(pdfFilename, FileFormat=wdFormatPDF)</code> Tras lo cual cerraremos los objetos abiertos anteriormente.\\

Puede verse todo el proceso en el siguiente ejemplo.
<code python>
# ...
doc.save(wordFilename)
wdFormatPDF = 17 # Word's numeric code for PDFs.
wordObj = win32com.client.Dispatch('Word.Application')
docObj = wordObj.Documents.Open(wordFilename)
docObj.SaveAs(pdfFilename, FileFormat=wdFormatPDF)
docObj.Close()
wordObj.Quit()
</code>