来源：早起Python

作者：陈熹、刘早起

大家好，我是早起。

前几天有一个读者说最近要整理几千份文件，头都要整秃了，不知道能不能用Python解决，我们来看一下，你也可以思考一下。

由于涉及文件私密所以具体内容已做脱敏处理。

大概是这样，一个文件夹下有多份会议通知信息(本文以 7 份文件为例)

每一份通知打开格式基本类似，如下所示

现在需要将每份会议文档中的 学习时间、学习内容、学习形式、主持人 四项关键信息提取出来，整理到 Excel 表格中：

在他真实需求中，会议通知四年积累下来有快 1000 份(四年开了这么多次会也是很厉害...)，用人力挨个打开文件并录到 Excel 中工作量实在太大。

好家伙，这种重复的无聊工作， 不就是一份非常适合交给 Python 的自动化工作吗？我不允许我的粉丝还不会！

下面我们来看看如何用Python解决这个问题，主要将涉及：

openpyxl 写入 Excel 文件python-docx 读取 Word 文件glob 批量获取文件路径

为了简化上面的需求，本文中需要获取的会议通知文件一共 7 个，分别命名为 会议通知1.docx 会议通知2.docx... 会议通知7.docx，存放在 Notice 文件夹下。输出的目标 Excel 文件命名为 Meeting_temp.xlsx

一、基本逻辑

写代码之前都先明确完整的问题需要分为几个小步骤实现。从需求中我们大概可以将代码分为以下几步：

“获取会议通知 Notice 文件夹下的所有文件；解析每一份 Word 文件，获取需要的四个信息，输出到 Excel 中；保存 Excel 文件”

有了逻辑就有了写代码的思路了。第 1 步可以由 glob 库完成，后面两步就是操作 Word 的 python-docx 库和操作 Excel 的 openpyxl 库的交互协作了。

这两个库我们都有说过，如果你不熟悉，一定要先阅读下面的文章！

python-docx操作Word详解openpyxl操作Excel详解

二、代码实现

首先导入需要的库：

将模板 Excel 读取进程序：

写任何批处理的代码之前都建议先写一下单次操作的代码，因此我们先完成对 会议通知 1.docx 文件的解析，确保无误。现在对于文档的结构和关键信息的位置尚不明确，可以先将 Word 以段落 Paragraph 为单位输出观察：

文件的文字排布脉络比较清晰，基本是一句话对应一个段落，而需要的信息可以简单通过判断每句话(每段话)前几个字而明确：

对于学习内容的获取比较特殊，不像其他三个信息，都在一句话中，且关键字就为前几个字：

可以看到，“学习内容” 四个字和真正包含的内容分散在不同的句子中. 这里简单用一个策略：

“

建立一个空列表存放，然后遍历每一段判断，如果一个字符为数字且第二个字符为中文顿号 “、” 就获取存放到列表中。最后把列表中的元素重新组合成一个长字符串即可：

完成了解析 Word 文件之后，就需要把内容输出的 Excel 文件中了。

简单来说，就是将上面代码获取到的几个元素组合成一个列表，通过 sheet.append(list) 的方法写入 Excel 文件中：

单个文件解析完，用 glob 改完获取文件夹下全部文件，建立循环逐个解析就能完成本需求，当然最后记得保存 Excel 文件。

完整代码如下

核心也不过三十行代码，总共不过三秒就搞定了！

每一份通知打开格式基本类似，如下所示

现在需要将每份会议文档中的 学习时间、学习内容、学习形式、主持人 四项关键信息提取出来，整理到 Excel 表格中：

在他真实需求中，会议通知四年积累下来有快 1000 份(四年开了这么多次会也是很厉害...)，用人力挨个打开文件并录到 Excel 中工作量实在太大。

好家伙，这种重复的无聊工作， 不就是一份非常适合交给 Python 的自动化工作吗？我不允许我的粉丝还不会！

下面我们来看看如何用Python解决这个问题，主要将涉及：

openpyxl 写入 Excel 文件python-docx 读取 Word 文件glob 批量获取文件路径

为了简化上面的需求，本文中需要获取的会议通知文件一共 7 个，分别命名为 会议通知1.docx 会议通知2.docx... 会议通知7.docx，存放在 Notice 文件夹下。输出的目标 Excel 文件命名为 Meeting_temp.xlsx

一、基本逻辑

写代码之前都先明确完整的问题需要分为几个小步骤实现。从需求中我们大概可以将代码分为以下几步：

“获取会议通知 Notice 文件夹下的所有文件；解析每一份 Word 文件，获取需要的四个信息，输出到 Excel 中；保存 Excel 文件”

有了逻辑就有了写代码的思路了。第 1 步可以由 glob 库完成，后面两步就是操作 Word 的 python-docx 库和操作 Excel 的 openpyxl 库的交互协作了。

这两个库我们都有说过，如果你不熟悉，一定要先阅读下面的文章！

python-docx操作Word详解openpyxl操作Excel详解

二、代码实现

首先导入需要的库：

将模板 Excel 读取进程序：

写任何批处理的代码之前都建议先写一下单次操作的代码，因此我们先完成对 会议通知 1.docx 文件的解析，确保无误。现在对于文档的结构和关键信息的位置尚不明确，可以先将 Word 以段落 Paragraph 为单位输出观察：

文件的文字排布脉络比较清晰，基本是一句话对应一个段落，而需要的信息可以简单通过判断每句话(每段话)前几个字而明确：

对于学习内容的获取比较特殊，不像其他三个信息，都在一句话中，且关键字就为前几个字：

可以看到，“学习内容” 四个字和真正包含的内容分散在不同的句子中. 这里简单用一个策略：

“

建立一个空列表存放，然后遍历每一段判断，如果一个字符为数字且第二个字符为中文顿号 “、” 就获取存放到列表中。最后把列表中的元素重新组合成一个长字符串即可：

完成了解析 Word 文件之后，就需要把内容输出的 Excel 文件中了。

简单来说，就是将上面代码获取到的几个元素组合成一个列表，通过 sheet.append(list) 的方法写入 Excel 文件中：

单个文件解析完，用 glob 改完获取文件夹下全部文件，建立循环逐个解析就能完成本需求，当然最后记得保存 Excel 文件。

完整代码如下

核心也不过三十行代码，总共不过三秒就搞定了！