GhostEditor

Программа для конвертации из формата md в формат docx(x это без макросов, m с макросами) (Office Open XML),odt(OpenDocument)

1. python-docx

Назначение: Создание и модификация Word-документов.
Ключевые возможности:

• Добавление/редактирование текста, таблиц, изображений.
• Управление стилями, колонтитулами, сносками.
• Работа с XML через абстракции (Paragraph, Run, Table).

Пример:

from docx import Document
from docx.shared import Pt

doc = Document()
paragraph = doc.add_paragraph("Hello ")
run = paragraph.add_run("OOXML!")
run.bold = True
run.font.size = Pt(14)

# Таблица
table = doc.add_table(rows=2, cols=2)
table.cell(0, 0).text = "Cell A1"

doc.save("report.docx")

Плюсы:

• Интуитивный API, близкий к логике Word.
• Поддержка всех ключевых частей пакета (headers, footers, styles).

Минусы:

• Нет поддержки макросов.
• Ограниченная работа с графикой (изображения добавляются, но редактирование сложно).

Ссылка: python-docx.readthedocs.io

---

2. docxtpl

Назначение: Генерация документов по шаблонам (Jinja2).
Особенности:

• Шаблоны .docx с переменными ({{ variable }}) и логикой ({% if %}).
• Поддержка таблиц, изображений, HTML-фрагментов.

Пример:

from docxtpl import DocxTemplate

doc = DocxTemplate("template.docx")
context = {
    "title": "Отчет за 2023",
    "items": [{"name": "Item 1"}, {"name": "Item 2"}]
}
doc.render(context)
doc.save("output.docx")

Плюсы:

• Идеален для шаблонизированных отчетов (договоры, счета).
• Интеграция с Django/Flask.

Минусы:

• Требует предварительной настройки шаблонов в Word.

Ссылка: github.com/elapouya/python-docx-template

---

3. mammoth

Назначение: Конвертация .docx → HTML с сохранением структуры.
Особенности:

• Преобразует стили Word в CSS-классы.
• Подходит для извлечения контента из сложных документов.

Пример:

import mammoth

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value  # HTML-строка
    warnings = result.messages  # Предупреждения

Плюсы:

• Сохраняет семантику (заголовки, списки, таблицы).
• Легко интегрируется с парсерами (BeautifulSoup).

Минусы:

• Не подходит для обратной конвертации (HTML → docx).

Ссылка: github.com/mwilliamson/mammoth.py

---

Низкоуровневые инструменты (для кастомных задач)

1. zipfile + lxml

Назначение: Прямой доступ к XML-структуре OOXML.
Когда использовать:

• При работе с нестандартными частями пакета (напр., кастомные XML-маппинги в Excel).
• Для восстановления поврежденных файлов.

Пример для Excel:

import zipfile
from lxml import etree

# Распаковываем workbook.xml
with zipfile.ZipFile("report.xlsx") as xlsx:
    xml_data = xlsx.read("xl/workbook.xml")
    
# Парсим XML
workbook = etree.fromstring(xml_data)
namespaces = {"ns": "http://schemas.../spreadsheetml/2006/main"}
sheets = workbook.findall(".//ns:sheet", namespaces)

# Меняем имя листа
sheets[0].set("{http://.../officeDocument/2006/relationships}name", "New Sheet")

# Сохраняем изменения
with zipfile.ZipFile("fixed.xlsx", "w") as new_xlsx:
    for file in xlsx.namelist():
        if file != "xl/workbook.xml":
            new_xlsx.writestr(file, xlsx.read(file))
    new_xlsx.writestr("xl/workbook.xml", etree.tostring(workbook))

Плюсы:

• Полный контроль над структурой.
• Работает с любыми частями пакета.

Минусы:

• Требует знания XML-схем OOXML.
• Риск повреждения файла при ошибках.

---

2. officedoc

Назначение: Универсальный доступ к форматам Office (docx, xlsx, pptx).
Особенности:

• Объединяет функционал python-docx, openpyxl, python-pptx в едином API.
• Упрощает обработку мультимедийных вложений.

Пример:

from officedoc import Document

doc = Document("mixed.docx")
for image in doc.images:
    image.save("extracted_" + image.filename)

for table in doc.tables:
    print(table.to_dataframe())  # Конвертация в pandas DataFrame

Ссылка: github.com/mikem1701/officedoc

---

Сравнение библиотек

Библиотека	Скорость	Сложность	Особенности
python-docx	Средняя	Средняя	Стандарт для работы с Word
docxtpl	Средняя	Низкая	Шаблонизация через Jinja2
zipfile + lxml	Высокая	Высокая	Полный контроль над XML

---

Для Word (.docx)

• Простое создание документов: python-docx.
• Шаблонные документы (договоры, счета): docxtpl.
• Извлечение контента: mammoth → обработка HTML через BeautifulSoup.
• Редактирование структуры: python-docx + zipfile для кастомных частей.

Для кастомных задач

• Восстановление файлов: zipfile + lxml (ручное исправление XML).
• Интеграция с внешними системами: openpyxl/python-docx + REST API (напр., выгрузка данных из БД в Excel).

---

Типичные проблемы и решения

2. Стили не применяются в Word
   • Проблема: python-docx использует стили из styles.xml, но не создает новые автоматически.
   • Решение:

     from docx.shared import Pt
     style = doc.styles.add_style("Heading3", WD_STYLE_TYPE.PARAGRAPH)
     font = style.font
     font.name = "Arial"
     font.size = Pt(12)
     

---

Заключение

Для 90% задач достаточно:

• Excel: openpyxl или pandas.
• Word: python-docx + docxtpl.

Используйте низкоуровневые методы (zipfile/lxml) только когда:

Для углубленного изучения:

• Open XML SDK 2.5 (официальная документация Microsoft).
• ECMA-376 стандарт (полная спецификация).