Pythonを使用してWord文書から空白行を削除する

空白段落は、文書の構造を乱し、レイアウトの混乱や可読性の低下を引き起こすだけでなく、自動化されたテキスト分析、データ抽出、フォーマット変換などの後続プロセスに干渉する可能性があります。数百ページに及ぶ文書や定期的なメンテナンスが必要な場合、手動で削除するのは時間がかかり、人的ミスが発生しやすいため、Pythonを使ってプログラムで自動化処理を行うことで、操作の精度とプロセスの標準化が大幅に向上します。本記事では、Pythonを使用してWord文書から空白段落を一括削除する方法について説明します。

本記事で使用する方法には、無料のFree Spire.Doc for Pythonライブラリが必要です。PyPI: pip install spire.doc.free

PythonでWord文書の空白段落を削除する方法

ライブラリのクラスとメソッドを使用して、Word文書の各セクションとその中の段落を繰り返し処理し、空の段落を検出して削除することで、文書内の空白段落を一括で削除できます。以下は、詳細な操作手順です：

1. Documentオブジェクトを作成し、Word文書を処理します。
2. LoadFromFileメソッドを使用して指定されたWord文書を読み込みます。
3. 文書内の各セクション（section）を繰り返し処理し、その中の各子オブジェクトをチェックします。
4. 各子オブジェクトがParagraph型であり、その内容が空であれば、その段落を文書から削除します。
5. すべてのセクションと段落の処理が完了した後、修正された文書を新しいファイルとして保存します。
6. リソースを解放するために文書オブジェクトを閉じます。

コード例

from spire.doc import Document, DocumentObjectType, Paragraph

# Documentクラスのオブジェクトを作成
doc = Document()

# Word文書を読み込む
doc.LoadFromFile("Sample.docx")

# 文書内の各セクションを繰り返し処理
for i in range(doc.Sections.Count):
    section = doc.Sections.get_Item(i)
    j = 0
    # セクション内の各子オブジェクトを繰り返し処理
    while j < section.Body.ChildObjects.Count:
        # 子オブジェクトがParagraph型かどうかをチェック
        if section.Body.ChildObjects[j].DocumentObjectType == DocumentObjectType.Paragraph:
            objItem = section.Body.ChildObjects[j]
            # 子オブジェクトがParagraphクラスのインスタンスかどうかをチェック
            if isinstance(objItem, Paragraph):
                paraObj = Paragraph(objItem)
                # 段落のテキストが空かどうかをチェック
                if len(paraObj.Text) == 0:
                    # テキストが空の場合、セクションの子オブジェクトリストから削除
                    section.Body.ChildObjects.Remove(objItem)
                    j -= 1
        j += 1

# 文書を保存
doc.SaveToFile("output/空白行の削除.docx")
doc.Close()

結果

本記事では、Pythonを使用してWord文書内の空白段落を削除する方法について紹介しました。