Python-docx替换Word中#开头占位符为随机数异常问题咨询

问题描述 #

制作游戏书时，需要将Word文档起草阶段使用的占位符替换为随机条目号，所有占位符均以#开头（例如#1-5、#22-1等），固定条目（如始终为"1"的首条目）无#前缀。通过zip将占位符与对应的随机数配对为元组作为替换映射reference用于替换依据，当前标题的一对一替换功能运行正常，但遍历普通段落替换占位符时，仅能替换前8个占位符便停止运行，调整循环逻辑也未解决问题。

补充测试数据 #

• entryWorking:

  ['#1-1', '#1-2', '#1-3', '#1-4', '#1-5', '#1-6', '#1-7', '#1-8', '#2', '#2-1', '#2-2', '#2-3', '#2-4', '#2-5', '#2-6', '#2-7', '#16', '#17', '#3', '#3-1', '#3-2', '#3-3', '#3-4', '#3-5', '#3-6', '#3-8', '#3-9']
  

• entryNumbers:

  ['2', '20', '12', '27', '23', '4', '11', '16', '26', '7', '25', '5', '3', '15', '17', '6', '18', '22', '10', '21', '19', '13', '28', '8', '14', '9', '24']
  

• reference:

  (('#1-1', '2'), ('#1-2', '20'), ('#1-3', '12'), ('#1-4', '27'), ('#1-5', '23'), ('#1-6', '4'), ('#1-7', '11'), ('#1-8', '16'), ('#2', '26'), ('#2-1', '7'), ('#2-2', '25'), ('#2-3', '5'), ('#2-4', '3'), ('#2-5', '15'), ('#2-6', '17'), ('#2-7', '6'), ('#16', '18'), ('#17', '22'), ('#3', '10'), ('#3-1', '21'), ('#3-2', '19'), ('#3-3', '13'), ('#3-4', '28'), ('#3-5', '8'), ('#3-6', '14'), ('#3-8', '9'), ('#3-9', '24'))
  

原始代码 #

import sys, os, random
from docx import *

entryWorking = [] # 草稿游戏书中创建的占位符条目


# 识别所有使用指定标题样式的段落（例如'Heading 2'）
def iter_headings( paragraphs, heading ) :
    for paragraph in paragraphs :
        if paragraph.style.name.startswith( heading ) :
            yield paragraph


# 打开docx文件
document = Document( 'TestFile.docx' )


# 在文档中搜索唯一占位符条目（必须使用唯一的标题样式）
for heading in iter_headings( document.paragraphs, 'Heading 2' ) :
    entryWorking.append( heading.text )


# 创建随机游戏书条目编号列表
entryNumbers = [ i for i in range( len ( entryWorking ) + 1 ) ]

# 移除不必要的0号条目（上面生成时多补了一位）
entryNumbers.remove( 0 )

# 转换为字符串格式
entryNumbers = [ str( x ) for x in entryNumbers ]


# 识别预设条目（例如条目1），并从两个列表中移除
# 避免预设编号被替换（即它们在docx中保持不变）
# 预设条目编号在docx中*不能*带有"#"前缀
for string in entryWorking :
    if string[ 0 ] != '#' :
        entryWorking.remove( string )
        if string in entryNumbers :
            entryNumbers.remove( string )

# 打乱新条目编号
random.shuffle( entryNumbers )


# 创建占位符条目与随机条目配对的元组列表
reference = tuple( zip( entryWorking, entryNumbers ) )


# 将占位符标题替换为分配的随机条目
for heading in iter_headings( document.paragraphs, 'Heading 2' ) :
    for entry in reference :
        if heading.text == entry[ 0 ] :
            heading.text = entry[ 1 ]


# 遍历段落搜索占位符并替换为随机条目
for paragraph in document.paragraphs :
    for run in paragraph.runs :
        for entry in reference :
            if run.text == entry[ 0 ] :
                run.text = entry [ 1 ]

                        
# 保存最终条目对应的新文档
document.save('Output.docx')

问题原因 #

1. 核心原因是Word文档的run拆分规则：同一段落的文本会根据格式变化、编辑历史被拆分成多个独立的run，你遇到的前8个占位符刚好完整保存在单个run中，后续占位符被拆分到多个run里，run.text == entry[0]的匹配逻辑无法命中，自然不会替换。
2. 现有匹配逻辑要求run的全部内容就是占位符，若占位符和普通文本共存于同一个run（比如“跳转至#2-1”），也无法匹配。
3. 额外隐患：遍历entryWorking删除非#开头元素时使用了正向遍历+列表删除，会导致遍历跳过相邻元素，可能出现预设条目没有被完全删除的问题。

修复方案 #

1. 调整占位符映射结构 #

在生成reference的代码后添加以下代码，将元组转为字典提升替换效率：

ref_dict = dict(reference)

2. 替换段落处理逻辑 #

把原来遍历run的段落替换代码，替换为直接处理整段文本的逻辑，不受run拆分影响：

# 遍历所有段落直接替换占位符
for paragraph in document.paragraphs:
    full_text = paragraph.text
    # 批量替换所有占位符
    for placeholder, target in ref_dict.items():
        full_text = full_text.replace(placeholder, target)
    # 清空原有内容写入替换后的文本
    paragraph.clear()
    paragraph.add_run(full_text)

3. 修复预设条目遍历的bug #

把原来的正向遍历删除逻辑替换为列表推导式，避免跳元素问题：

# 注释原有逻辑
# for string in entryWorking :
#     if string[ 0 ] != '#' :
#         entryWorking.remove( string )
#         if string in entryNumbers :
#             entryNumbers.remove( string )

# 替换为以下代码
preset_entries = [s for s in entryWorking if not s.startswith('#')]
entryWorking = [s for s in entryWorking if s.startswith('#')]
for s in preset_entries:
    if s in entryNumbers:
        entryNumbers.remove(s)

内容的提问来源于stack exchange，提问作者Chimera1013