如何查看 python-docx 包生成的 XML

Question

出于单元测试的目的，我想检查为 Word 段落生成的 XML 是否是我在解析 HTML 段落时所期望的。

如何提取 XML 本身而不是写入文件、解压缩文件并重新读取其中包含的 word/document.xml 文件？

例如

from docx import Document
import bs4

def add_parsed_html_to_paragraph(p, s):
    soup = bs4.BeautifulSoup(s)
    para = soup.find('p')
    for e in para.children:
        if type(e) == bs4.element.NavigableString:
            r = p.add_run(str(e))
        else:
            r = p.add_run(e.text)
        if e.name == 'sub':
            r.font.subscript = True
        elif e.name == 'sup':
            r.font.superscript = True


title = 'A formula: H<sub>2</sub>O.'

document = Document()
p = document.add_paragraph()
add_parsed_html_to_paragraph(p, title)

# ... Now I want to check p or document for the correct XML

Answer 1

python-docx 中的每个 so-called oxml 元素对象都有一个 .xml 属性正是这个用例。它用于内部单元测试。

您只需要访问用于 XML 元素的内部变量，通常可以通过单击文档中该对象旁边的 [source] link 来访问它，例如这里：https://python-docx.readthedocs.io/en/latest/api/text.html#paragraph-objects

单击 link，您可以发现对于某个段落，基础 XML 元素在 ._p 上可用。通常它是没有命名空间前缀的元素的标记名，尽管有时它是通用的 ._element。如果你需要猜测，后一个是一个很好的尝试。

所以使用起来很简单：

>>> paragraph._p.xml
<w:p>
  <w:pPr>
    <w:jc w:val="right"/>
  </w:pPr>
  <w:r>
    <w:t>Right-aligned</w:t>
  </w:r>
</w:p>

在名为 CXML（紧凑的 XML）的 unit-test 实用程序中有一个配套的 domain-specific 语言 (DSL)，它允许您处理命名空间，否则这是一个很大的痛苦。它看起来像这样：

expected_xml = cxml.xml('w:p(w:pPr/w:jc{w:val=right},w:r/w:t"Right-aligned")')

您可以在整个单元测试中查看示例，如下所示：https://github.com/python-openxml/python-docx/blob/master/tests/text/test_paragraph.py#L113 如果您需要帮助，可以在此处使用 "python-docx" 标签提出更具体的问题。

如何查看 python-docx 包生成的 XML

How do I view the XML produced by the python-docx package

python

xml

docx

python-docx