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，并重新读取它包含的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中的每个所谓的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]链接获得，如下所示： https ： //python-docx.readthedocs.io/en /latest/api/text.html#paragraph-objects

单击该链接，您可以找到对于段落，基础XML元素在._p上._p 。 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 。 如果你需要猜测的话，后者是一个很好的尝试。

所以使用它就像这样简单：

>>> 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>

在称为CXML（compact XML）的单元测试实用程序中有一个伴随域特定语言（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看到示例，如下所示： https ： //github.com/python-openxml/python-docx/blob/master/tests/text/test_paragraph.py#L113并在此处询问有关“python”的更多具体问题-docx“标记，如果你需要帮助。