Python-docx实战：批量生成合同与提取简历信息的自动化方案

脚本专家

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：

2. pip install python-docx

复制代码

导入Document类即可操作文档：

2. from docx import Document
4. # 打开已有文档
5. doc = Document("报告.docx")
7. # 创建新文档
8. doc2 = Document()
9. doc2.save("新文档.docx")

复制代码

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：

2. from docx import Document
4. doc = Document("报告.docx")
6. # 1. 读取所有非空段落
7. print("=== 段落内容 ===")
8. for i, para in enumerate(doc.paragraphs):
9.     if para.text.strip():
10.         print(f"段落{i}: {para.text.strip()}")
12. # 2. 读取表格内容
13. print("\n=== 表格内容 ===")
14. for t_idx, table in enumerate(doc.tables):
15.     print(f"\n--- 表格 {t_idx + 1} ---")
16.     for r_idx, row in enumerate(table.rows):
17.         cells = [cell.text for cell in row.cells]
18.         print(f"第{r_idx + 1}行: {cells}")
20. # 3. 读取标题（样式以Heading开头的段落）
21. print("\n=== 标题 ===")
22. for para in doc.paragraphs:
23.     if para.style.name.startswith("Heading"):
24.         print(f"[{para.style.name}] {para.text}")

复制代码

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：

2. from docx import Document
3. from docx.shared import Pt, RGBColor
4. from docx.enum.text import WD_ALIGN_PARAGRAPH
6. doc = Document()
7. doc.add_heading("工作报告", level=0)
8. doc.add_heading("一、项目概况", level=1)
9. doc.add_heading("1.1 项目背景", level=2)
11. para = doc.add_paragraph("这是正文内容。")
12. para.alignment = WD_ALIGN_PARAGRAPH.LEFT
14. para2 = doc.add_paragraph()
15. run = para2.add_run("红色加粗文字")
16. run.bold = True
17. run.font.size = Pt(14)
18. run.font.color.rgb = RGBColor(255, 0, 0)
20. run2 = para2.add_run(" 普通后续文字")
21. run2.font.size = Pt(12)
23. doc.save("输出文档.docx")

复制代码

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：

2. from docx import Document
3. from docx.shared import Pt, Cm
5. doc = Document()
6. doc.add_heading("学生成绩表", level=1)
8. table = doc.add_table(rows=3, cols=4, style="Table Grid")
9. headers = ["姓名", "语文", "数学", "英语"]
10. for i, h in enumerate(headers):
11.     cell = table.rows[0].cells[i]
12.     cell.text = h
13.     for para in cell.paragraphs:
14.         for run in para.runs:
15.             run.bold = True
17. data = [
18.     ["张三", "85", "92", "78"],
19.     ["李四", "90", "88", "95"],
20. ]
21. for r_idx, row_data in enumerate(data):
22.     for c_idx, value in enumerate(row_data):
23.         table.rows[r_idx + 1].cells[c_idx].text = value
25. for row in table.rows:
26.     row.cells[0].width = Cm(3)
27.     row.cells[1].width = Cm(3)
28.     row.cells[2].width = Cm(3)
29.     row.cells[3].width = Cm(3)
31. doc.save("成绩表.docx")

复制代码

3. 设置页边距
通过遍历sections可以调整页边距，单位使用Cm：

2. from docx.shared import Cm
4. doc = Document()
5. for section in doc.sections:
6.     section.top_margin = Cm(2.54)
7.     section.bottom_margin = Cm(2.54)
8.     section.left_margin = Cm(3.17)
9.     section.right_margin = Cm(3.17)

复制代码

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）：

2. name,department,position,salary,start_date
3. 张三,技术部,Java开发工程师,15000,2024-01-01
4. 李四,产品部,产品经理,13000,2024-02-15
5. 王五,市场部,市场专员,10000,2024-03-01

复制代码

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：

2. import pandas as pd
3. from docx import Document
4. from datetime import datetime
5. import os
7. def generate_contract(employee):
8.     """根据员工数据生成劳动合同"""
9.     doc = Document("合同模板.docx")
10.    
11.     replacements = {
12.         "{{name}}": employee["name"],
13.         "{{department}}": employee["department"],
14.         "{{position}}": employee["position"],
15.         "{{salary}}": str(employee["salary"]),
16.         "{{start_date}}": employee["start_date"],
17.         "{{today}}": datetime.now().strftime("%Y年%m月%d日"),
18.     }
19.    
20.     for para in doc.paragraphs:
21.         for key, value in replacements.items():
22.             if key in para.text:
23.                 for run in para.runs:
24.                     if key in run.text:
25.                         run.text = run.text.replace(key, value)
26.    
27.     output_dir = "合同输出"
28.     os.makedirs(output_dir, exist_ok=True)
29.     filename = f"{output_dir}/{employee['name']}_劳动合同.docx"
30.     doc.save(filename)
31.     print(f"已生成: {filename}")
33. # 批量生成
34. df = pd.read_csv("employees.csv")
35. for _, emp in df.iterrows():
36.     generate_contract(emp)

复制代码

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：

2. from docx import Document
3. import re
4. import os
6. def extract_resume_info(docx_path):
7.     """从简历Word文档提取关键信息"""
8.     doc = Document(docx_path)
9.     full_text = "\n".join([p.text for p in doc.paragraphs])
10.     info = {}
11.    
12.     # 姓名通常在首行
13.     lines = [p.text.strip() for p in doc.paragraphs if p.text.strip()]
14.     if lines:
15.         info["姓名"] = lines[0]
16.    
17.     # 手机号：11位数字，以1开头
18.     phone = re.search(r"1[3-9]\d{9}", full_text)
19.     info["手机号"] = phone.group() if phone else ""
20.    
21.     # 邮箱
22.     email = re.search(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}", full_text)
23.     info["邮箱"] = email.group() if email else ""
24.    
25.     # 毕业院校（包含“大学”或“学院”）
26.     schools = re.findall(r"[一-龥]+(?:大学|学院)", full_text)
27.     info["毕业院校"] = schools[0] if schools else ""
28.    
29.     return info
31. # 批量处理
32. resume_dir = "简历文件夹"
33. results = []
34. for filename in os.listdir(resume_dir):
35.     if filename.endswith(".docx"):
36.         filepath = os.path.join(resume_dir, filename)
37.         try:
38.             info = extract_resume_info(filepath)
39.             info["文件名"] = filename
40.             results.append(info)
41.             print(f"已处理: {filename}")
42.         except Exception as e:
43.             print(f"处理失败 {filename}: {e}")
45. import pandas as pd
46. df = pd.DataFrame(results)
47. df.to_excel("简历汇总.xlsx", index=False)
48. print(f"共处理 {len(results)} 份简历，结果已导出到 简历汇总.xlsx")

复制代码

六、常用格式设置
python-docx支持丰富的格式控制：

2. from docx.shared import Pt, Cm, Inches, RGBColor
3. from docx.enum.text import WD_ALIGN_PARAGRAPH
4. from docx.enum.table import WD_TABLE_ALIGNMENT
6. # 字体设置
7. run.font.name = "微软雅黑"
8. run.font.size = Pt(12)
9. run.bold = True
10. run.italic = True
11. run.font.color.rgb = RGBColor(0, 0, 0)
13. # 段落设置
14. para.alignment = WD_ALIGN_PARAGRAPH.CENTER
15. para.paragraph_format.space_before = Pt(12)
16. para.paragraph_format.space_after = Pt(12)
17. para.paragraph_format.line_spacing = 1.5
18. para.paragraph_format.first_line_indent = Cm(0.74)
20. # 表格设置
21. table.alignment = WD_TABLE_ALIGNMENT.CENTER
22. cell.vertical_alignment = 1  # 垂直居中

复制代码

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：

2. import win32com.client
3. word = win32com.client.Dispatch("Word.Application")
4. doc = word.Documents.Open("旧文档.doc")
5. doc.SaveAs("新文档.docx", FileFormat=16)  # 16 = wdFormatDocumentDefault
6. doc.Close()
7. word.Quit()

复制代码

2. 图片操作
插入图片：

2. from docx.shared import Inches
3. doc.add_picture("图表.png", width=Inches(5))

复制代码

提取文档中的图片需解压docx文件：

2. import zipfile
3. import os
4. with zipfile.ZipFile("文档.docx", "r") as z:
5.     for name in z.namelist():
6.         if name.startswith("word/media/"):
7.             z.extract(name, "提取的图片/")

复制代码

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：

2. import pandas as pd
3. from docx import Document
4. from docx.shared import Inches
5. import matplotlib.pyplot as plt
7. df = pd.read_excel("销售数据.xlsx")
8. summary = df.groupby("月份")["金额"].sum()
10. plt.figure(figsize=(8, 4))
11. summary.plot(kind="bar")
12. plt.title("月度销售汇总")
13. plt.savefig("chart.png")
15. doc = Document()
16. doc.add_heading("月度销售报告", level=0)
17. doc.add_paragraph(f"本月总销售额: {summary.sum():.2f} 元")
18. doc.add_picture("chart.png", width=Inches(5))
19. doc.save("销售报告.docx")

复制代码

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。

热心网友4

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。

热心网友4

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。

热心网友4

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？