在工作中，重复性的劳动往往枯燥乏味。利用 Python 的力量来优化工作流程，可以极大地提高效率，事半功倍。本文将详细介绍如何使用 Python 模板库 docxtpl，在极短的时间内，自动批量生成多份 Word 文档，节省大量手工操作时间，从而解放双手，轻松完成任务。

Python docxtpl 批量制作 word 文件

事情的起因是这样的，小盛律师 有一批案件，每个当事人的案情都是差不多的，只是当事人的姓名、身份证号、地址等信息不同。小盛律师需要为每个当事人准备 Word 文件，Word 里面除了当事人的个人信息外，其他都是一样的内容。

小盛律师有一份 Excel 文件，里面登记了当事人的信息。按照以前的做法，需要打开 Excel，然后一个个复制信息，贴到每个当事人的 Word 文件中去，最后保存。这样的工作量很大，几十个当事人，每个当事人有好多条数据，每个都要复制粘贴到 word 中指定位置，要复制粘贴几百次。除了体力劳动量大，还很容易出错，律师的工作就是要避免出错，所以这种方法不可取。

既然是重复的体力劳动，程序肯定就能派上用场，机器重复起来精准又快速。于是，小盛律师就找到了我，希望我能帮她写一个程序，自动根据 excel 文件里面的数据，批量制作合适的 Word 文件。

简单替换

小盛说自己的需求很简单，读 Excel 拿数据，替换到 Word 里，然后给我 5 分钟时间让我搞定(很有当产品经理的天赋)。于是就习惯性先请教 ChatGPT 老师，让它来写代码。在和它沟通半天，不断细化需求后，终于说服 AI 放弃用 python-docx 这个库了。

因为我在对文本进行替换的同时，需要保存原来文件中的样式。在 Word 的 .docx 文件中，样式和文本是分开存储的。一个段落中的文本可能由多个 Run 对象组成，每个 Run 对象可能有不同的样式，在多个 Run 对象中进行文本替换，并保留格式，会非常复杂。此外，这个库的 API 也比较复杂，还要了解 Run 对象，对使用者不友好。好在我足够机智，提醒 ChatGPT 可以考虑其他库来进行文本替换，于是 ChatGPT 老师就推荐了 docxtpl 这个库。

Python docxtpl 批量制作 word 文件

docxtpl 是一个基于 python-docx 的模板库，它的作者觉得使用 python-docx 这个库来修改 word 太麻烦了，于是借鉴 Jinja2 模板库的思路，开发了 docxtpl 这个库。它的使用方法很简单，主要分三步：

  1. 在 Word 文档中用 {{ }} 包裹起来需要替换的文本；
  2. 用 docxtpl 的 DocxTemplate 类来加载 Word 模板，并且提供替换前、后的内容；
  3. 用 render 方法渲染模板。

这个就简单多了，把小盛律师的样本 Word 文件拿来后，简单改成一个符合 Jinja2 语法的模板文件，假设某一个字段需要从表格的第 B 列获取，就直接写成 {{ B }}。比如下面的内容：

贵院受理的 {{ A }} 与 {{ B }} 租赁合同纠纷一案

这里的模板变量可以在 Word 里面指定样式，比如字体、字号、颜色等。然后用 pandas 读取 Excel 里面的 A 和 B 列，再用 docxtpl 能很快执行文本替换，同时保留格式，核心代码很简单，如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def generate_word_files(excel_filepath, word_template_filepath, output_dir):
    df = pd.read_excel(excel_filepath)
    skip_max_rownum = 1
   
    for index, row in df.iloc[skip_max_rownum:].iterrows():
        doc = DocxTemplate(word_template_filepath)
        context = {}
        for i, col_value in enumerate(row):
            col_label = excel_col_label(i)
            context[col_label] = col_value
        doc.render(context)
        new_filename = f"demo_{row.iloc[1]}.docx"
        new_filepath = os.path.join(output_dir, new_filename)
        doc.save(new_filepath)

日期特殊处理

写好代码后，执行替换后，发现有部分字段替换后的值不对。在 Excel 中有一列看着是一个日期 ‘2023/04/12’，但是替换到 Word 里面后成为了 1970.1.1，这是怎么回事呢？

打印了下 pandas 读取到的值，发现是一个整数，而不是字符串。这是因为 Excel 中的日期是以 1900 年 1 月 1 日为基准的，所以 2023/04/12 在 Excel 中的值是 44397，这个值是 Excel 用来表示日期的天数，而不是字符串。知道这点后，只需要把这个天数加上开始日期就行，这里 ChatGPT 给的代码是：

1
2
3
4
5
6
7
8
9
def excel_date_to_datetime(excel_date):
    if pd.isna(excel_date):
        return pd.Timestamp('1970-01-01')
    
    try:
        return datetime(1899, 12, 30) + timedelta(days=float(excel_date))
    except Exception as e:
        print(f"Failed to convert date: {e}")
        return pd.Timestamp('1970-01-01')

这里开始日期变成了 1899.12.30，这是因为 Excel 日期系统中存在一个错误：它把 1900 年当作闰年，实际上它不是。因此，1900 年 2 月有 29 天在 Excel 日期系统里。为了解决这个问题，一种通用的做法是从 1899 年 12 月 30 日开始计算，这样可以在计算日期时跳过这个“多出来”的一天（即 1900 年 2 月 29 日）。ChatGPT 老师还是高，自动帮我避雷了。

关于 Excel 的 date 日期格式，可以参考这两篇文章：

复杂替换

只是简单替换当然没啥难度，可是工作中也会遇到一些更复杂的替换场景。

计算后的数据

这不，小盛律师的文件中有一些计算公式，需要填一些计算后的值，比如内容：

被告的损失为：{{ Y }}×120% = ??? 元

这里 Excel 的 Y 列是损失费用，但是需要乘以一个系数，填到 Word 里面。Excel 中并没有这个计算后的数据，于是可以在代码里计算好结果，然后用 {{ Y_calculated }} 包裹起来，替换到 Word 里面。计算的代码部分也很简单，如下：

1
2
3
elif col_label == 'Y':
    context[col_label] = int(col_value)
    context['Y_calculated'] = int(col_value * 1.2)  # 预先计算

其实这里要是支持在 Jinja2 模板中进行计算就更好了，比如模板可以写成 {{ Y | calculate }}，这样就可以在模板中直接计算了。但是 docxtpl 并不支持这样的语法，所以只能在代码中计算好结果，然后替换到 Word 里面。

条件语句

小盛的文档中还需要根据 Excel 数据动态显示部分内容，比如费用字段非空时才显示相关文字。这可以通过 docxtpl 支持的条件语句 jinja2 语法来实现。

1
2
3
一、{% if S != 0 %}判令被告向原告支付租金{{ S }}元；
二、{% endif %}{% if T != 0 %}判令被告向原告支付费用{{ T }}元；
三、{% endif %}{% if Y != 0 %}判令被告向原告支付维修费{{ Y }}元；{% endif %}

因为在 Word 里面有列表，为了保持列表格式和数字序号，这里的 {% endif %} 都需要放在合适的位置才行。

除了前面的简单替换，条件语句等复杂替换，docxtpl 还支持循环语句、表格、设置富文本等，可以参考它的文档。

总结

用 100 多行代码，就能实现一个批量制作 Word 文档的程序，这是 Python 的强大之处。相比人工一个个复制粘贴，程序速度飞快，1 分钟就能处理成百上千的文档，而且还不容易出错。对于没有编程功底的人来说，借助 ChatGPT 老师的力量，也能完成这样的任务。这就是目前 AI 的一大用处，让每个人都能快速上手专业领域以外的知识，特别是编程领域。