需求：需要在网站上增加一个功能，当管理员点击这个按钮时，程序会前往某个网站（以下简称A）以会员身份登录下载一份word（doc格式）的数据，当然，由于这是A网站提供的数据，肯定会有其水印，关键字，网站图片等，我们要做的就是讲这些内容去除掉，并加上特定的水印。

    首先，有个小知识你应该知道，当你把一份docx后缀的文件修改成.zip后缀文件时，你可以看到这份word文档的整体结构，如下图所示

    而当你进入到word目录下面，你可以看到该docx文件内部的一些样式及图片，docx文件当中的图片都保存在media目录中，而我们word文档中的所有文本内容在document.xml文件中

    如果我们只需要修改一份word文档的话，故事到这里就结束了，然鹅，我们毕竟是要做成批量自动化处理的，所以还得往下做。我们将document.xml文件以浏览器打开后，我们可以看到他的结构，大致如下 

    现在面临着两种解决方案，一种是直接修改document.xml文件的内容并存入，即生成的word样式全部跟A站保持一致，仅仅是修改内容；另外一种是将XML文件的内容完全解析出来，然后生成的word样式完全由我们自己来写（之前在处理word文档中写过一些简单的word生成介绍，其实python可以做的还可以更多，例如某些文字增加外链，控制部分内容的行距，缩进，字体大小，颜色，表格内容等）。

    这两种方法不评价好坏，我只说处理方法，如果采取第一种方案，我们将xml文件使用with open打开，再在里面取出每一行的文本，并对其进行判断，如果包含A站关键词，就将其替换，这种相对简单；第二种方案是利用xml.dom.minidom的parse库来处理，代码如下：

from xml.dom.minidom import parse
domTree = parse("document.xml")
# 文档根元素
rootNode = domTree.documentElement
t_texts = rootNode.getElementsByTagName("w:t") #所有我想要的文本内容均在w:t标签内部
for t in t_texts:
  print(t.childNodes[0].data) #打印出所有的文本内容

    大致的难点主要在上面，现在来记录一下整体的实现，由于拿到的是doc文件，我们是无法对其进行zip压缩获取结构，所以首先我们需要将其转化成docx文件（千万不要直接修改后缀！人工修改后缀名确实可以打开docx文件，但是你再进行修改后缀zip还是会报错），这里需要用到win32com模块，需要pip安装：

from win32com import client as cli #导入模块
word = cli.Dispatch("Word.Application") # 打开word应用程序
base_dir = #绝对路径地址
file = base_dir + "test.doc"
doc = word.Documents.Open(file) #打开word文件
doc.SaveAs(base_dir + "output-file.docx", 12)#另存为后缀为".docx"的文件，其中参数12指docx文件
doc.Close() #关闭原来word文件
word.Quit() #千万不能少，否则程序会打不开你的程序，因为你的文档一直是打开的

    然后再利用os的rename模块修改后缀名为test.zip，通过zipfile模块提取相关文件或者直接将其解压到一个文件夹内，再利用shutil模块的copy方法将document.xml文件复制出来（前面的第一种方案），对其进行修改之后，再利用copyfile方法将原始的xml文件覆盖掉，这样docx中的文本内容都已经是我们想要的了，再去掉水印图片即可，我们可以在最外层的目录准备一张A站的水印图片，以rb格式打开，凡是在word/media目录下与其相等，统一删除掉，代码如下

import os
imgs = os.listdir('.')
fp = open('D:\\***\\logo.jpeg', 'rb')
e = fp.read()
lst = []
for im in imgs:
    with open(im, 'rb') as f:
        im_ = f.read()
        if e == im_:
            lst.append(im)
for x in lst:
    os.remove(x)
fp.close()

    处理完成之后我们再以docx后缀对其重新命名，最终看到的word文档水印也已经消失了。

    后面如果想再生成PDF文档，增加PDF水印，就已经是很简单的操作了，当然docx2pdf 是需要进行pip安装的。

from docx2pdf import convert
convert("input.docx", "output.pdf")