目標

最近實驗室里成立了一個計算機興趣小組

倡議大家多把自己解決問題的經驗記錄并分享

就像在CSDN寫博客一樣

雖然剛剛起步

但考慮到后面此類經驗記錄的資料會越來越多

所以一開始就要做好模板設計(如下所示)

方便后面建立電子數據庫

從而使得其他人可以迅速地搜索到相關記錄

據說“人生苦短，我用python”

所以決定用python從docx文檔中提取文件頭的信息

然后把信息更新到一個xls電子表格中，像下面這樣(直接po結果好了)

而且點擊文件路徑可以直接打開對應的文件(含超鏈接)

代碼實現

1. 采集docx里面文件頭信息

# -*- coding:utf-8 -*-

# 此程序可掃描Log中的docx文件并返回基本信息

import docx

from docx import Document

test_d = '../log/sublime搭建python的集成開發環境.docx'

def docxInfo(addr):

document = Document(addr)

info = {'title':[],

'keywords':[],

'author':[],

'date':[],

'question':[]}

lines = [0 for i in range(len(document.paragraphs))]

k = 0

for paragraph in document.paragraphs:

lines[k] = paragraph.text

k = k+1

index = [0 for i in range(5)]

k = 0

for line in lines:

if line.startswith('標題'):

index[0] = k

if line.startswith('關鍵詞'):

index[1] = k

if line.startswith('作者'):

index[2] = k

if line.startswith('日期'):

index[3] = k

if line.startswith('問題描述'):

index[4] = k

k = k+1

info['title'] = lines[index[0]+1]

keywords = []

for line in lines[index[1]+1:index[2]]:

keywords.append(line)

info['keywords'] = keywords

info['author'] = lines[index[2]+1]

info['date'] = lines[index[3]+1]

info['question'] = lines[index[4]+1]

return info

if __name__ == '__main__':

print(docxInfo(test_d))

2. 遍歷log文件夾，進行信息更新

# -*- coding:utf-8 -*-

# 此程序可以批量掃描log中的文件，如果碰到docx文檔，

# 則調用readfile()提取文檔信息，并將信息保存到digger

# 日志列表.xls之中，方便后期快速檢索

import os,datetime

import time

import xlrd

from xlrd import xldate_as_tuple

import xlwt

from readfile import docxInfo

from xlutils.copy import copy

# 打開日志列表讀取最近一條記錄的更新日期

memo_d = '../log/digger日志列表.xls'

memo = xlrd.open_workbook(memo_d) #讀取excel

sheet0 = memo.sheet_by_index(0) #讀取第1張表

memo_date = sheet0.col_values(5) #讀取第5列

memo_n = len(memo_date) #去掉標題

if memo_n>0:

xlsx_date = memo_date[memo_n-1] #讀取最后一條記錄的日期,

latest_date = sheet0.cell_value(memo_n-1,5)

# 返回時間戳

# 新建一個xlsx

memo_new = copy(memo)

sheet1 = memo_new.get_sheet(0)

# 重建超鏈接

hyperlinks = sheet0.col_values(6) # xlrd讀取的也是text,造成超鏈接丟失

k = 1

n_hyperlink = len(hyperlinks)

for k in range(n_hyperlink):

link = 'HYPERLINK("%s";"%s")' %(hyperlinks[k],hyperlinks[k])

sheet1.write(k,6,xlwt.Formula(link))

k = k+1

# 判斷文件后綴

def endWith(s,*endstring):

array = map(s.endswith,endstring)

if True in array:

return True

else:

return False

# 遍歷log文件夾并進行查詢

log_d = '../log'

logFiles = os.listdir(log_d)

for file in logFiles:

if endWith(file,'.docx'):

timestamp = os.path.getmtime(log_d+'/'+file)

if timestamp>latest_date:

info = docxInfo(log_d+'/'+file)

sheet1.write(memo_n,0,info['title'])

keywords_text = ','.join(info['keywords'])

sheet1.write(memo_n,1,keywords_text)

sheet1.write(memo_n,2,info['author'])

sheet1.write(memo_n,3,info['date'])

sheet1.write(memo_n,4,info['question'])

#獲取當前時間

time_now = time.time() #浮點值，精確到毫秒

sheet1.write(memo_n,5, time_now)

link = 'HYPERLINK("%s";"%s")' %(file,file)

sheet1.write(memo_n,6,xlwt.Formula(link))

memo_n = memo_n+1

os.remove(memo_d)

memo_new.save(memo_d)

print('memo was updated!')

其實還有一些操作電子表格更好的模塊，比如panda、xlsxwriter、openpyxl等。不過上述代碼已經基本能實現功能，而且科研狗畢竟沒那么多時間寫代碼做調試，所以后面有空再update吧！

————————————————

版權聲明：本文為CSDN博主「sheldonxxd」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/sheldonxxd/article/details/80544831

總結

以上是生活随笔為你收集整理的python批量提取word指定内容到excel_（转）用python批量读取word文档并整理关键信息到excel表格...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。