如何用Python替换.odt文件字符串并导出新文件？

需求说明 #

非当前工作目录下存在myfile.odt文件，需要将其中的字符串astring替换为anewstring，并将修改后的文件导出到当前目录（生成新的ODT文件）。

已尝试方法及问题 #

• 直接将ODT作为普通文本文件读写：生成的文件损坏无法打开，尝试脚本如下：

f1 = open('test.odt', 'r', encoding='latin') 
f2 = open('newfile.odt', 'w') 
for line in f1: 
    f2.write(line.replace('mystring', 'newstring')) 
f1.close() 
f2.close()

• 使用xml.etree但因不熟悉XML操作，遇到诸多理解和实现问题
• 尝试过其他解决方案及ChatGPT建议均无效
• 无法使用odfpy库

可行实现方案（基于xml.etree与zipfile） #

ODT本质是压缩包，核心文本内容存储在包内的content.xml文件中。以下是完整实现步骤：

代码实现 #

import os
import zipfile
import xml.etree.ElementTree as ET
from tempfile import TemporaryDirectory

# 配置参数
source_odt_path = "/path/to/your/myfile.odt"  # 替换为实际的非当前目录下的myfile.odt路径
target_odt_name = "modified_myfile.odt"       # 当前目录生成的新文件名
old_str = "astring"
new_str = "anewstring"

# ODT XML的命名空间，必须指定才能正确解析标签
namespaces = {
    'text': 'urn:oasis:names:tc:opendocument:xmlns:text:1.0'
}

# 创建临时目录用于解压ODT文件
with TemporaryDirectory() as temp_dir:
    # 解压源ODT文件到临时目录
    with zipfile.ZipFile(source_odt_path, 'r') as zip_ref:
        zip_ref.extractall(temp_dir)
    
    # 读取并修改content.xml
    content_path = os.path.join(temp_dir, 'content.xml')
    tree = ET.parse(content_path)
    root = tree.getroot()
    
    # 遍历所有普通段落文本节点，替换目标字符串
    for elem in root.findall('.//text:p', namespaces):
        if elem.text and old_str in elem.text:
            elem.text = elem.text.replace(old_str, new_str)
    # 遍历带格式的文本片段节点，替换目标字符串
    for elem in root.findall('.//text:span', namespaces):
        if elem.text and old_str in elem.text:
            elem.text = elem.text.replace(old_str, new_str)
    
    # 保存修改后的content.xml
    tree.write(content_path, encoding='UTF-8', xml_declaration=True)
    
    # 重新打包成新的ODT文件
    with zipfile.ZipFile(target_odt_name, 'w', zipfile.ZIP_DEFLATED) as zip_out:
        # 遍历临时目录下的所有文件，按原结构添加到压缩包
        for foldername, subfolders, filenames in os.walk(temp_dir):
            for filename in filenames:
                file_path = os.path.join(foldername, filename)
                # 计算压缩包内的相对路径，保证ODT结构合法
                arcname = os.path.relpath(file_path, temp_dir)
                zip_out.write(file_path, arcname)

print(f"修改完成，新文件已保存到当前目录：{target_odt_name}")

关键说明 #

1. 命名空间处理：ODT的XML使用特定命名空间，必须在findall中指定namespaces参数才能正确定位文本标签（如text:p对应段落，text:span对应带格式的文本片段）
2. 临时目录：使用TemporaryDirectory自动处理临时文件的创建与清理，避免手动管理文件残留
3. 压缩包操作：严格按照ODT的原始压缩结构重新打包，确保生成的文件格式合法可正常打开
4. 文本节点遍历：覆盖普通段落和带格式文本片段，确保所有目标字符串都被替换

内容的提问来源于stack exchange，提问作者Michael Gauthier