Python高效移除Word文档空白行的实用指南

pip install spire.doc

from spire.doc import *
from spire.doc.common import *


# 创建一个Document对象

document = Document()

# 加载Word文档

document.LoadFromFile("input.docx") # 替换为您的Word文档路径

# 遍历文档的所有部分
for section_index in range(document.Sections.Count):
    section = document.Sections.get_Item(section_index)
    
    # 使用一个倒序循环，以便安全地删除元素而不影响循环索引
    
    i = section.Body.ChildObjects.Count - 1
    while i >= 0:
        obj_item = section.Body.ChildObjects.get_Item(i)
        
        # 检查是否为段落对象
        
        if obj_item.DocumentObjectType == DocumentObjectType.Paragraph:
            paragraph = Paragraph(obj_item)
            
            # 判断段落内容是否为空白
            # strip() 方法会移除字符串头尾的所有空白字符（空格、制表符、换行符等）
            
            if len(paragraph.Text.strip()) == 0:
                # 这是一个空白段落
                pass # 暂时不做处理，下一步再移除
        i -= 1

from spire.doc import *
from spire.doc.common import *

def remove_empty_paragraphs(input_file, output_file):

    """
    移除Word文档中的空白段落。
    Args:
        input_file (str): 输入Word文档的路径。
        output_file (str): 输出Word文档的路径。
    """

    document = Document()
    document.LoadFromFile(input_file)

    # 遍历文档的所有部分

    for section_index in range(document.Sections.Count):
        section = document.Sections.get_Item(section_index)

        # 从后往前遍历子对象，以便安全地删除

        i = section.Body.ChildObjects.Count - 1
        while i >= 0:
            obj_item = section.Body.ChildObjects.get_Item(i)

            # 判断是否为段落对象
 
            if obj_item.DocumentObjectType == DocumentObjectType.Paragraph:
                paragraph = Paragraph(obj_item)
 
                # 判断段落内容是否为空白（只包含空格、制表符等或完全为空）

                if len(paragraph.Text.strip()) == 0:
                    section.Body.ChildObjects.Remove(obj_item)
            i -= 1

    # 保存修改后的文档

    document.SaveToFile(output_file, FileFormat.Docx)
    document.Close()
    print(f"空白行已从 '{input_file}' 移除，并保存为 '{output_file}'。")

# 示例用法

input_doc_path = "document_with_blanks.docx" # 确保此文件存在且包含空白行
output_doc_path = "document_without_blanks.docx"
remove_empty_paragraphs(input_doc_path, output_doc_path)