如何用Python或R替换并保存docx文件中Plain Text Content Control的修改

Python 实现方案 #

依赖安装 #

通过pip安装处理DOCX的库：

pip install python-docx

批量处理代码 #

import os
from docx import Document

def replace_content_controls(doc_path, replacement_map):
    doc = Document(doc_path)
    # 遍历所有段落中的内容控件
    for para in doc.paragraphs:
        for run in para.runs:
            sdt_elements = run._element.xpath('.//w:sdt')
            if not sdt_elements:
                continue
            sdt = sdt_elements[0]
            # 获取控件的标签属性
            tag_nodes = sdt.xpath('.//w:tag/@w:val')
            tag = tag_nodes[0] if tag_nodes else None
            if tag in replacement_map:
                # 替换纯文本内容
                text_nodes = sdt.xpath('.//w:t')
                if text_nodes:
                    text_nodes[0].text = replacement_map[tag]
    # 保存修改后的文档（避免覆盖原文件）
    new_path = os.path.splitext(doc_path)[0] + "_updated.docx"
    doc.save(new_path)

def batch_process_folder(folder_path, replacement_map):
    for filename in os.listdir(folder_path):
        if filename.lower().endswith('.docx'):
            file_path = os.path.join(folder_path, filename)
            replace_content_controls(file_path, replacement_map)
            print(f"处理完成: {filename}")

# 自定义替换规则：键为内容控件的标签，值为替换内容
replacement_rules = {
    "DOC_TITLE": "2024年度项目总结",
    "AUTHOR": "李四",
    "REPORT_DATE": "2024-06-15"
}

# 执行批量处理（替换为你的目标文件夹路径）
batch_process_folder("your/docx/folder/path", replacement_rules)

关键说明 #

• 基于内容控件的tag属性精准匹配替换目标，只修改指定标签的纯文本控件
• 生成带_updated后缀的新文档，不会覆盖原始文件
• 自动遍历目标文件夹下所有DOCX文件

R 实现方案 #

依赖安装 #

通过CRAN安装处理DOCX的专业库：

install.packages("officer")
install.packages("fs")

批量处理代码 #

library(officer)
library(fs)

replace_content_controls <- function(doc_path, replacement_map) {
    doc <- read_docx(doc_path)
    # 获取文档中所有内容控件的标签
    all_tags <- docx_sdt_tags(doc)
    # 遍历替换规则，匹配标签并替换内容
    for (tag in names(replacement_map)) {
        if (tag %in% all_tags) {
            doc <- body_replace_text_at_bkm(doc, bookmark = tag, value = replacement_map[[tag]])
        }
    }
    # 保存修改后的文档
    new_path <- path_ext_set(doc_path, "_updated.docx")
    print(doc, target = new_path)
}

batch_process_folder <- function(folder_path, replacement_map) {
    doc_files <- dir_ls(folder_path, regexp = "\\.docx$", ignore.case = TRUE)
    for (file in doc_files) {
        replace_content_controls(file, replacement_map)
        cat("处理完成:", path_file(file), "\n")
    }
}

# 自定义替换规则
replacement_rules <- list(
    DOC_TITLE = "2024年度项目总结",
    AUTHOR = "李四",
    REPORT_DATE = "2024-06-15"
)

# 执行批量处理（替换为你的目标文件夹路径）
batch_process_folder("your/docx/folder/path", replacement_rules)

关键说明 #

• docx_sdt_tags函数可直接提取所有内容控件的标签，确保匹配精准
• body_replace_text_at_bkm是officer库专门用于替换内容控件的API，稳定性高
• 同样生成带_updated后缀的新文档，保留原始文件

内容的提问来源于stack exchange，提问作者Ritesh Zambre