如何使用python-docx清除文档中的dcterms:created属性？

一、问题背景与技术分析

在使用 python-docx 进行 Word 文档处理时，开发者常常需要对文档的元数据进行控制。其中，dcterms:created 属性用于记录文档的创建时间，这一属性默认由 Microsoft Word 自动添加。

• 场景需求： 在模板重用、文档自动化生成或隐私保护等场景中，保留此类元数据可能带来不必要的风险。
• 常规做法： 多数用户尝试通过 core_properties 接口访问并修改该字段，但发现无法直接删除或置空。
• 限制原因： python-docx 库并未暴露对所有 XML 元素的完全控制能力，尤其是对特定命名空间下的元素。

二、核心原理与结构剖析

.docx 文件本质上是一个 ZIP 压缩包，包含多个 XML 文件和资源文件。其中，文档的核心属性存储于 docProps/core.xml 中。

<cp:coreProperties xmlns:cp="http://schemas.openxmlformats.org/package/2006/metadata/core-properties"
                   xmlns:dcterms="http://purl.org/dc/terms/"
                   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <dcterms:created xsi:type="dcterms:W3CDTF">2024-05-01T12:00:00Z</dcterms:created>
</cp:coreProperties>

三、解决方案设计与实现步骤

1. 步骤一：解压 .docx 文件：将目标 .docx 文件重命名为 .zip 并解压。
2. 步骤二：定位 core.xml 文件：进入 docProps 目录，找到 core.xml 文件。
3. 步骤三：编辑 XML 内容：使用 Python 或其他工具解析并移除 <dcterms:created> 节点。
4. 步骤四：重新打包文件：将修改后的文件重新压缩为 .zip，并恢复 .docx 扩展名。

四、Python 实现示例

以下代码演示如何使用 Python 操作 .docx 文件的 XML 层级，清除 dcterms:created 属性。

import zipfile
from xml.etree import ElementTree as ET

def remove_created_property(docx_path, output_path):
    with zipfile.ZipFile(docx_path, 'r') as docx_zip:
        with docx_zip.open('docProps/core.xml') as core_file:
            tree = ET.parse(core_file)
            root = tree.getroot()

            # 查找并删除 dcterms:created 节点
            created_tag = '{http://purl.org/dc/terms/}created'
            for elem in list(root):
                if elem.tag == created_tag:
                    root.remove(elem)

            # 将修改后的内容写入临时目录
            temp_dir = 'temp_docx'
            docx_zip.extractall(temp_dir)

            modified_core_path = f'{temp_dir}/docProps/core.xml'
            tree.write(modified_core_path, encoding='utf-8', xml_declaration=True)

    # 重新打包为新的 .docx 文件
    with zipfile.ZipFile(output_path, 'w') as new_zip:
        for foldername, subfolders, filenames in os.walk(temp_dir):
            for filename in filenames:
                file_path = os.path.join(foldername, filename)
                arcname = os.path.relpath(file_path, temp_dir)
                new_zip.write(file_path, arcname)

# 示例调用
remove_created_property('example.docx', 'cleaned_example.docx')

五、流程图说明