基于Python实现XML转DOCX的方法咨询

前置说明 #

首先需要先区分你手中XML的类型，两类XML的转换逻辑差异很大：

1. 自定义结构的XML：你自己定义标签规则的普通XML文件
2. OpenXML格式XML：DOCX解压后得到的标准化XML文件包，属于DOCX的底层存储格式

Python实现自定义XML转DOCX的步骤 #

• 第一步：安装依赖库
  通用转换用python-docx库即可，安装命令：

  pip install python-docx
  

• 第二步：解析XML源文件
  用Python内置的xml.etree.ElementTree模块解析XML，不需要额外安装依赖：

  import xml.etree.ElementTree as ET
  from docx import Document
  from docx.shared import Pt
  
  # 加载XML文件
  tree = ET.parse("source.xml")
  root = tree.getroot()
  # 初始化空白DOCX文档
  doc = Document()
  

• 第三步：建立XML到DOCX的元素映射
  根据你自己的XML标签规则，把XML节点对应到DOCX的标题、段落、列表、表格等元素，示例如下（适配自定义XML结构即可）：

  # 示例：假设XML中<title>标签对应一级标题，<paragraph>标签对应正文段落
  title = root.find("./title").text
  doc.add_heading(title, level=1)
  
  for para_node in root.findall("./content/paragraph"):
      para = doc.add_paragraph(para_node.text)
      # 可自定义段落格式，比如设置字号为12磅
      para.style.font.size = Pt(12)
  

• 第四步：导出DOCX文件

  doc.save("output.docx")
  

  如果你需要生成格式非常复杂的DOCX（比如嵌套表格、自定义页眉页脚、复杂公式等），可以换用lxml库直接生成OpenXML节点，自由度更高，但需要了解ECMA-376的OpenXML规范。

Python实现OpenXML转DOCX的步骤 #

如果你的XML是DOCX解压后得到的OpenXML文件包，不需要做内容转换，直接按ZIP规范重新打包即可：

import zipfile
import os

def pack_openxml_to_docx(openxml_dir: str, output_docx_path: str):
    with zipfile.ZipFile(output_docx_path, "w", zipfile.ZIP_DEFLATED) as zf:
        for root, _, files in os.walk(openxml_dir):
            for file in files:
                file_full_path = os.path.join(root, file)
                # 生成压缩包内的相对路径，保证目录结构和原始DOCX解压后的结构一致
                arc_path = os.path.relpath(file_full_path, openxml_dir)
                zf.write(file_full_path, arcname=arc_path)

# 调用示例：openxml_dir是存放所有OpenXML文件的根目录
pack_openxml_to_docx("./openxml_files", "./output.docx")

其他可行的转换方案 #

• 办公软件命令行转换：用LibreOffice/OpenOffice的命令行功能可直接实现XML到DOCX的批量转换，不需要写代码，适合非开发场景使用
• XSLT模板转换：提前编写XSLT转换模板，把自定义XML直接转换为符合规范的OpenXML格式，再打包为DOCX，适合XML结构固定的大批量转换场景，转换效率远高于逐节点解析

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