チュートリアル
簡単にライブラリーを使用するためのチュートリアルコレクション
Word の検索と置換機能は、文書内のテキストを効率的に更新するための便利な手段です。手作業による検索や編集の手間を省き、文書全体の対象テキストを一括で置換できます。これにより、作業時間を短縮できるだけでなく、すべての該当箇所が確実に更新されるため、一貫性のある修正が可能です。本記事では、Spire.Doc for Python を使用して、Python で Word 文書内のテキストを検索して置換する方法を紹介します。
この操作には、Spire.Doc for Python と plum-dispatch v1.7.4 が必要です。これらは、Spire.Doc for Python の公式ウェブサイトから手動でダウンロードするか、以下の pip コマンドでインストールできます。
pip install Spire.DocDocument.Replace() メソッドを使用すると、特定のテキストを検索し、そのすべての該当箇所を別のテキストに置換できます。詳細な手順は以下のとおりです。
from spire.doc import Document
# Document オブジェクトを作成します
document = Document()
# Word 文書を読み込みます
document.LoadFromFile("Sample.docx")
# 指定したテキストを検索し、すべての出現箇所を別のテキストに置換します
document.Replace("ビタミン", "Vitamin ", False, True)
# 置換後の文書を保存します
document.SaveToFile("output/すべての検索と置換.docx")
document.Close()
Spire.Doc for Python では、Document.ReplaceFirst プロパティを使用することで、すべての該当箇所ではなく、最初の該当箇所のみを置換するモードに変更できます。以下の手順で、最初の該当箇所のみを置換する方法を説明します。
from spire.doc import Document
# Document オブジェクトを作成します
document = Document()
# Word 文書を読み込みます
document.LoadFromFile("Sample.docx")
# 置換モードを最初の一致のみ置換するように設定します
document.ReplaceFirst = True
# 指定したテキストの最初の出現箇所を別のテキストに置換します
document.Replace("ビタミン", "Vitamin ", False, True)
# 置換後の文書を保存します
document.SaveToFile("output/最初の一致の検索と置換.docx")
document.Close()
Document.Replace() メソッドに Regex オブジェクトと新しいテキストを渡すことで、正規表現に一致するテキストを置換できます。詳細な手順は以下のとおりです。
from spire.doc import Document, Regex
# Document オブジェクトを作成します
document = Document()
# Word 文書を読み込みます
document.LoadFromFile("Sample1.docx")
# 先頭が # のテキストに一致する正規表現を作成します
regex = Regex(r"ORD-\d{8}")
# 正規表現に一致するテキストを検索し、別のテキストに置換します
document.Replace(regex, "ORD-[注文ID]")
# 文書を保存します
document.SaveToFile("output/正規表現での検索と置換.docx")
document.Close()
Spire.Doc for Python には、テキストを直接画像に置換するメソッドはありませんが、テキストの位置に画像を挿入し、その後テキストを削除することで実現できます。詳細な手順は以下のとおりです。
from spire.doc import Document, DocPicture
# Document オブジェクトを作成します
document = Document()
# Word 文書を読み込みます
document.LoadFromFile("Sample2.docx")
# 文書内の指定したテキストを検索します
selections = document.FindAllString("image_laptop", True, True)
index = 0
testRange = None
# 検索結果をループ処理します
for selection in selections:
# 画像を読み込みます
pic = DocPicture(document)
pic.LoadImage("Laptop.jpg")
# 検索されたテキストを単一のテキスト範囲として取得します
testRange = selection.GetAsOneRange()
# テキスト範囲が属する段落内のインデックスを取得します
index = testRange.OwnerParagraph.ChildObjects.IndexOf(testRange)
# 指定したインデックスに画像を挿入します
testRange.OwnerParagraph.ChildObjects.Insert(index, pic)
# テキスト範囲を削除します
testRange.OwnerParagraph.ChildObjects.Remove(testRange)
# 変更後の文書を保存します
document.SaveToFile("output/テキストを検索して画像に置き換える.docx")
document.Close()
結果ドキュメントから評価メッセージを削除したい場合、または機能制限を取り除く場合は、についてこのメールアドレスはスパムボットから保護されています。閲覧するにはJavaScriptを有効にする必要があります。にお問い合わせ、30 日間有効な一時ライセンスを取得してください。
Word 文書からテキストを抽出すると、文書内の記述情報を簡単に取得できます。これにより、テキストの操作、分析、整理が容易になり、テキストマイニング、感情分析、自然言語処理などの作業を実行できます。一方、画像を抽出すると、Word 文書に埋め込まれた視覚要素にアクセスでき、画像認識、コンテンツ抽出、画像データベースの作成などの作業に役立ちます。本記事では、Spire.Doc for Python を使用して、Python で Word 文書からテキストと画像を抽出する方法を紹介します。
この操作には、Spire.Doc for Python と plum-dispatch v1.7.4 が必要です。これらは、Spire.Doc for Python の公式ウェブサイトから手動でダウンロードするか、以下の pip コマンドでインストールできます。
pip install Spire.Docセクション内の特定の段落を取得するには、Section.Paragraphs[index] プロパティを使用します。その後、Paragraph.Text プロパティを使用して、段落のテキストを取得できます。詳細な手順は以下のとおりです。
from spire.doc import Document
# Document オブジェクトを作成します
doc = Document()
# Word 文書を読み込みます
doc.LoadFromFile("Sample.docx")
# 指定したセクションを取得します
section = doc.Sections.get_Item(0)
# 指定した段落を取得します
paragraph = section.Paragraphs.get_Item(1)
# 段落のテキストを取得します
str = paragraph.Text
# 結果を出力します
print(str)
文書全体のテキストを取得する場合は、Document.GetText() メソッドを使用することで簡単に取得できます。手順は以下のとおりです。
from spire.doc import Document
# Document オブジェクトを作成します
doc = Document()
# Word ファイルを読み込みます
doc.LoadFromFile("Sample.docx")
# 文書全体のテキストを取得します
docText = doc.GetText()
# 結果を出力します
print(docText)
Spire.Doc for Python には、Word 文書から画像を直接取得するメソッドはありません。そのため、文書内の子オブジェクトを走査し、それぞれのオブジェクトが DocPicture であるかを判定する必要があります。DocPicture である場合、DocPicture.ImageBytes プロパティを使用して画像データを取得し、一般的な画像フォーマットで保存できます。主な手順は以下のとおりです。
import queue
from spire.doc import Document, DocumentObjectType, DocPicture, ICompositeObject
# Document オブジェクトを作成します
doc = Document()
# Word ファイルを読み込みます
doc.LoadFromFile("Sample.docx")
# Queue オブジェクトを作成します
nodes = queue.Queue()
nodes.put(doc)
# リストを作成します
images = []
while nodes.qsize() > 0:
node = nodes.get()
# 文書内の子オブジェクトをループ処理します
for i in range(node.ChildObjects.Count):
child = node.ChildObjects.get_Item(i)
# 子オブジェクトが画像かどうかを判定します
if child.DocumentObjectType == DocumentObjectType.Picture:
picture = child if isinstance(child, DocPicture) else None
dataBytes = picture.ImageBytes
# 画像データをリストに追加します
images.append(dataBytes)
elif isinstance(child, ICompositeObject):
nodes.put(child if isinstance(child, ICompositeObject) else None)
# リスト内の画像をループ処理します
for i, item in enumerate(images):
fileName = "Image-{}.png".format(i)
with open("output/抽出した画像/" + fileName, 'wb') as imageFile:
# 指定したパスに画像を書き込みます
imageFile.write(item)
doc.Close()
結果ドキュメントから評価メッセージを削除したい場合、または機能制限を取り除く場合は、についてこのメールアドレスはスパムボットから保護されています。閲覧するにはJavaScriptを有効にする必要があります。にお問い合わせ、30 日間有効な一時ライセンスを取得してください。
