如何输出所有接受/拒绝的轨道更改的 Word 文档/纯文本？

Question

我有一组带有“跟踪更改”功能的文本修改的 .docx 文档。

对于我集中的每个source.docx 文件，我想以编程方式运行两个操作：

1. 生成两份文档，一份拒绝所有更改，另一份接受所有更改（棘手的步骤）
2. 转换为纯文本。

换句话说，我想运行以下管道：

source.docx -> sources-all-changes-rejected.docx -> source-all-rejected-plaintext.txt
source.docx -> sources-all-changes-accepted.docx -> source-all-accepted-plaintext.txt

有没有办法做到这一点，例如使用soffice --headless?

我尝试了一个受 Python - Using win32com.client to accept all changes in Word Documents 启发的解决方案。该方法有效，注意使用绝对路径并保存为 txt 文档 https://docs.microsoft.com/en-us/office/vba/api/word.wdsaveformat 。所以我有一个函数，它采用pathlib 路径file_path 并根据需要编写纯文本文档：

def output_track_changed_version(file_path, action):
    
    doc.TrackRevisions = False

    # Delete all comments
    if doc.Comments.Count >= 1:
        doc.DeleteAllComments()

    # Accept/reject all revisions
    doc.Revisions.AcceptAll()
    changed_text = doc.Content.Text
    doc.Undo()
    doc.Revisions.RejectAll()
    original_text = doc.Content.Text

    # [CUT: code to dump changed/original strings to file and then...]

    doc.Close(False, False, False)
    word.Application.Quit()

但我不想坚持使用win32com.client，我更喜欢基于 LibreOffice 的解决方案 + Python，可以在 Linux 虚拟机上轻松设置。

Answer 1

我不知道，它是否解决了你的问题，但你可以使用 docx 库（使用pip install python-docx 命令安装）来解决这个任务。

例子：

import docx

#rejected changes
doc = docx.Document('source.docx')
doc.save('sources-all-changes-rejected.docx')

#txt
r_text = []
for par in doc.paragraphs:
    r_text.append(par.text)
r_text = '\n'.join(r_text)

filename = 'source-all-rejected-plaintext.txt'
with open(filename, 'w') as r_txt:
    r_txt.write(r_text)

#accepted changes
for par in doc.paragraphs:
    #do changes
    pass

#txt
a_text = []
for par in doc.paragraphs:
    a_text.append(par.text)
a_text = '\n'.join(a_text)

filename = 'source-all-accepted-plaintext.txt'
with open(filename, 'w') as a_txt:
    a_txt.write(a_text)

#docx
doc.save('sources-all-changes-accepted.docx')

然后你可以循环遍历集合中的所有文件。