Python办公自动化 Python操作Excel与Word实战技巧

python可通过openpyxl和python-docx库高效处理excel和word文档。1. 使用openpyxl可读写excel单元格、修改样式、遍历行列，如批量增加销售额；2. python-docx支持生成word文档，替换文本、添加段落表格，并注意保留格式；3. 综合应用pandas读取excel数据后，遍历每行并用python-docx生成个性化word文档，如工资条，显著提升办公效率。

在日常办公中，用Python处理Excel和Word文档确实能省下不少时间。特别是重复性高、数据量大的任务，自动化操作优势明显。比如批量生成报告、整理表格数据这些工作，手动做容易出错还费时，用Python几行代码就能搞定。

用openpyxl轻松处理Excel文件

如果你经常需要处理.xlsx格式的Excel文件，openpyxl是一个非常好用的库。它支持读写单元格、修改样式、图表操作等功能。

举个简单的例子：你想把某个Excel表中的“销售额”列都加上1000元作为补贴，可以这样写：

立即学习“Python免费学习笔记（深入）”；

from openpyxl import load_workbook  wb = load_workbook('销售数据.xlsx') ws = wb.active  for row in ws.iter_rows(min_col=3, max_col=3):  # 假设C列是销售额     cell = row[0]     if isinstance(cell.value, (int, float)):         cell.value += 1000  wb.save('更新后的销售数据.xlsx')

几个实用小技巧：

• 使用iter_rows()或iter_cols()遍历行列更直观。
• 修改字体、背景色可以用Font和PatternFill类。
• 保存前记得检查是否已有同名文件，避免覆盖。

用python-docx批量生成Word文档

当你需要根据模板生成大量类似结构的Word文档（如合同、报告等），python-docx非常合适。它可以添加段落、表格、图片，还能替换文本内容。

例如，你有一个报告模板，里面有一段写着“【姓名】同学本次成绩为【分数】”，你可以用Python自动替换这两个占位符：

from docx import Document  doc = Document('模板.docx')  for para in doc.paragraphs:     if '【姓名】' in para.text:         para.text = para.text.replace('【姓名】', '张三').replace('【分数】', '92')  doc.save('张三的报告.docx')

注意点：

• 替换文本时要小心不要破坏原有格式。
• 如果有多个地方需要替换，建议先提取所有变量，统一处理。
• 表格里的内容也需要单独遍历每个单元格来查找替换。

综合应用：从Excel读取数据，生成多个Word文档

这是办公自动化中最常见的一个场景：根据Excel里的每一行数据，生成对应的Word文档。

比如，你要给每位员工生成一份工资条，数据都在Excel里，可以这样做：

1. 用pandas读取Excel数据。
2. 遍历每一行，提取所需字段。
3. 用python-docx创建文档并填充内容。
4. 每次循环保存一个新的Word文件。

示例伪代码如下：

import pandas as pd from docx import Document  data = pd.read_excel('员工工资表.xlsx')  for index, row in data.iterrows():     doc = Document('工资条模板.docx')      for para in doc.paragraphs:         para.text = para.text.replace('【姓名】', row['姓名'])                               .replace('【基本工资】', str(row['基本工资']))                               .replace('【奖金】', str(row['奖金']))      doc.save(f"{row['姓名']}_工资条.docx")

这种方式适合批量生成个性化文档，效率提升非常明显。

基本上就这些了。Python在处理Excel和Word方面已经非常成熟，工具也很多样化。虽然一开始可能需要花点时间熟悉API，但一旦掌握，真的能节省大量重复劳动。