Python-docx实战：批量生成合同与提取简历信息的自动化方案
在办公自动化场景中，批量处理Word文档——无论是生成几十份合同模板、从几百份简历里提取关键信息，还是将表格数据导出为报告——都是高频需求。Python的python-docx库提供了读取、写入和格式修改的核心能力，结合pandas、正则表达式等工具，可以构建完整的Word文档自动化处理流程。一、安装与基本操作
使用pip安装python-docx：
pip install python-docx
导入Document类即可操作文档：
from docx import Document
# 打开已有文档
doc = Document("报告.docx")
# 创建新文档
doc2 = Document()
doc2.save("新文档.docx")
二、读取Word文档内容
python-docx支持读取段落、表格和标题。以下示例展示了如何提取文档中的各类信息：
from docx import Document
doc = Document("报告.docx")
# 1. 读取所有非空段落
print("=== 段落内容 ===")
for i, para in enumerate(doc.paragraphs):
if para.text.strip():
print(f"段落{i}: {para.text.strip()}")
# 2. 读取表格内容
print("\n=== 表格内容 ===")
for t_idx, table in enumerate(doc.tables):
print(f"\n--- 表格 {t_idx + 1} ---")
for r_idx, row in enumerate(table.rows):
cells =
print(f"第{r_idx + 1}行: {cells}")
# 3. 读取标题（样式以Heading开头的段落）
print("\n=== 标题 ===")
for para in doc.paragraphs:
if para.style.name.startswith("Heading"):
print(f"[{para.style.name}] {para.text}")
这个功能常用于批量读取简历等文档中的特定字段，如姓名、电话、学历等。
三、写入Word文档
1. 添加段落与格式
可以添加不同级别的标题、普通段落，并对文字进行颜色、字号、加粗等设置：
from docx import Document
from docx.shared import Pt, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
doc = Document()
doc.add_heading("工作报告", level=0)
doc.add_heading("一、项目概况", level=1)
doc.add_heading("1.1 项目背景", level=2)
para = doc.add_paragraph("这是正文内容。")
para.alignment = WD_ALIGN_PARAGRAPH.LEFT
para2 = doc.add_paragraph()
run = para2.add_run("红色加粗文字")
run.bold = True
run.font.size = Pt(14)
run.font.color.rgb = RGBColor(255, 0, 0)
run2 = para2.add_run(" 普通后续文字")
run2.font.size = Pt(12)
doc.save("输出文档.docx")
2. 添加表格并设置列宽
创建表格、填充表头和数据，还可以逐列设定宽度：
from docx import Document
from docx.shared import Pt, Cm
doc = Document()
doc.add_heading("学生成绩表", level=1)
table = doc.add_table(rows=3, cols=4, style="Table Grid")
headers = ["姓名", "语文", "数学", "英语"]
for i, h in enumerate(headers):
cell = table.rows.cells
cell.text = h
for para in cell.paragraphs:
for run in para.runs:
run.bold = True
data = [
["张三", "85", "92", "78"],
["李四", "90", "88", "95"],
]
for r_idx, row_data in enumerate(data):
for c_idx, value in enumerate(row_data):
table.rows.cells.text = value
for row in table.rows:
row.cells.width = Cm(3)
row.cells.width = Cm(3)
row.cells.width = Cm(3)
row.cells.width = Cm(3)
doc.save("成绩表.docx")
3. 设置页边距
通过遍历sections可以调整页边距，单位使用Cm：
from docx.shared import Cm
doc = Document()
for section in doc.sections:
section.top_margin = Cm(2.54)
section.bottom_margin = Cm(2.54)
section.left_margin = Cm(3.17)
section.right_margin = Cm(3.17)
四、实战案例：批量生成劳动合同
典型场景是“模板 + 数据”批量输出文档。首先准备员工数据CSV文件（employees.csv）：
name,department,position,salary,start_date
张三,技术部,Java开发工程师,15000,2024-01-01
李四,产品部,产品经理,13000,2024-02-15
王五,市场部,市场专员,10000,2024-03-01
然后创建Word模板，在需要填充的位置使用{{name}}、{{department}}等占位符。以下脚本读取CSV并批量生成合同：
import pandas as pd
from docx import Document
from datetime import datetime
import os
def generate_contract(employee):
"""根据员工数据生成劳动合同"""
doc = Document("合同模板.docx")
replacements = {
"{{name}}": employee["name"],
"{{department}}": employee["department"],
"{{position}}": employee["position"],
"{{salary}}": str(employee["salary"]),
"{{start_date}}": employee["start_date"],
"{{today}}": datetime.now().strftime("%Y年%m月%d日"),
}
for para in doc.paragraphs:
for key, value in replacements.items():
if key in para.text:
for run in para.runs:
if key in run.text:
run.text = run.text.replace(key, value)
output_dir = "合同输出"
os.makedirs(output_dir, exist_ok=True)
filename = f"{output_dir}/{employee['name']}_劳动合同.docx"
doc.save(filename)
print(f"已生成: {filename}")
# 批量生成
df = pd.read_csv("employees.csv")
for _, emp in df.iterrows():
generate_contract(emp)
五、实战案例：从多份简历提取信息
遍历文件夹中的.docx简历，利用正则表达式提取姓名、手机号、邮箱、毕业院校等信息，并汇总输出到Excel：
from docx import Document
import re
import os
def extract_resume_info(docx_path):
"""从简历Word文档提取关键信息"""
doc = Document(docx_path)
full_text = "\n".join()
info = {}
# 姓名通常在首行
lines =
if lines:
info["姓名"] = lines
# 手机号：11位数字，以1开头
phone = re.search(r"1\d{9}", full_text)
info["手机号"] = phone.group() if phone else ""
# 邮箱
email = re.search(r"+@+\.{2,}", full_text)
info["邮箱"] = email.group() if email else ""
# 毕业院校（包含“大学”或“学院”）
schools = re.findall(r"[一-龥]+(?:大学|学院)", full_text)
info["毕业院校"] = schools if schools else ""
return info
# 批量处理
resume_dir = "简历文件夹"
results = []
for filename in os.listdir(resume_dir):
if filename.endswith(".docx"):
filepath = os.path.join(resume_dir, filename)
try:
info = extract_resume_info(filepath)
info["文件名"] = filename
results.append(info)
print(f"已处理: {filename}")
except Exception as e:
print(f"处理失败 {filename}: {e}")
import pandas as pd
df = pd.DataFrame(results)
df.to_excel("简历汇总.xlsx", index=False)
print(f"共处理 {len(results)} 份简历，结果已导出到 简历汇总.xlsx")
六、常用格式设置
python-docx支持丰富的格式控制：
from docx.shared import Pt, Cm, Inches, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.enum.table import WD_TABLE_ALIGNMENT
# 字体设置
run.font.name = "微软雅黑"
run.font.size = Pt(12)
run.bold = True
run.italic = True
run.font.color.rgb = RGBColor(0, 0, 0)
# 段落设置
para.alignment = WD_ALIGN_PARAGRAPH.CENTER
para.paragraph_format.space_before = Pt(12)
para.paragraph_format.space_after = Pt(12)
para.paragraph_format.line_spacing = 1.5
para.paragraph_format.first_line_indent = Cm(0.74)
# 表格设置
table.alignment = WD_TABLE_ALIGNMENT.CENTER
cell.vertical_alignment = 1# 垂直居中
七、常见问题与解决方案
1. python-docx不支持.doc格式
.doc是旧版Word格式，python-docx只能处理.docx。可以先用Word手动另存为.docx，或使用win32com在Windows下转换：
import win32com.client
word = win32com.client.Dispatch("Word.Application")
doc = word.Documents.Open("旧文档.doc")
doc.SaveAs("新文档.docx", FileFormat=16)# 16 = wdFormatDocumentDefault
doc.Close()
word.Quit()
2. 图片操作
插入图片：
from docx.shared import Inches
doc.add_picture("图表.png", width=Inches(5))
提取文档中的图片需解压docx文件：
import zipfile
import os
with zipfile.ZipFile("文档.docx", "r") as z:
for name in z.namelist():
if name.startswith("word/media/"):
z.extract(name, "提取的图片/")
八、与其他库搭配使用
python-docx常与pandas、matplotlib、python-pptx、PDFPlumber等配合，构建自动化报告流程。典型流程是：pandas读取数据 → matplotlib生成图表 → docx插入图表和文本。示例：
import pandas as pd
from docx import Document
from docx.shared import Inches
import matplotlib.pyplot as plt
df = pd.read_excel("销售数据.xlsx")
summary = df.groupby("月份")["金额"].sum()
plt.figure(figsize=(8, 4))
summary.plot(kind="bar")
plt.title("月度销售汇总")
plt.savefig("chart.png")
doc = Document()
doc.add_heading("月度销售报告", level=0)
doc.add_paragraph(f"本月总销售额: {summary.sum():.2f} 元")
doc.add_picture("chart.png", width=Inches(5))
doc.save("销售报告.docx")
总结
python-docx的核心能力集中在读取内容、写入内容、修改格式。日常办公中80%的Word自动化需求都可以通过这些基础操作满足：批量生成依赖模板和数据替换，批量提取依赖遍历文件夹和正则表达式，批量转换则是读取数据、转换格式后输出。做好Word模板的排版，是保证生成文档质量的关键第一步。
Re: Python-docx实战：批量生成合同与提取简历信息的自动化方案
这篇教程写得很详细，python-docx 的段落、表格、格式控制都讲到了，对批量生成合同和提取简历的场景非常实用。特别是读取表格和通过样式筛选标题的代码，可以直接拿来改。想问一下，如果合同模板里有很多占位符（比如 {姓名}、{金额}），用 python-docx 做替换时有没有比较高效的处理思路？是直接遍历段落和表格去替换字符串，还是配合其他库来做？期待后续能分享一下模板变量替换的经验。Re: Python-docx实战：批量生成合同与提取简历信息的自动化方案
感谢楼主分享这么详细的教程！python-docx 确实是做 Word 自动化的利器，我把你这几段代码的逻辑理了一遍，感觉上班时批量填合同、从简历里扒信息都能直接套用，非常实用。特别是读取表格和段落的部分，配合 pandas 做数据清洗应该很顺畅。 有个小疑问想请教：添加表格时如果数据量比较大（比如几百行），直接用 `add_table` 性能会不会下降？有没有什么批量写入的优化技巧？比如先建一行再逐 row 追加，或者用 `add_row` 循环插入？期待楼主进一步指点。Re: Python-docx实战：批量生成合同与提取简历信息的自动化方案
感谢分享！这套方案很实用，特别是表格读写和格式设置的部分，正好解决了我批量处理合同模板时遇到的痛点。想请教一下，如果要把从简历里提取的信息自动填充到合同对应占位符中，用python-docx结合正则表达式一般怎么设计匹配逻辑？另外，生成大量文档时有没有遇到内存占用过高的情况？
页:
[1]