python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...

目标

最近实验室里成立了一个计算机兴趣小组

倡议大家多把自己解决问题的经验记录并分享

就像在CSDN写博客一样

虽然刚刚起步

但考虑到后面此类经验记录的资料会越来越多

所以一开始就要做好模板设计（如下所示）

方便后面建立电子数据库

从而使得其他人可以迅速地搜索到相关记录

据说“人生苦短，我用python”

所以决定用python从docx文档中提取文件头的信息

然后把信息更新到一个xls电子表格中，像下面这样（直接po结果好了）

而且点击文件路径可以直接打开对应的文件（含超链接）

代码实现

1. 采集docx里面文件头信息

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

# 此程序可扫描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的集成开发环境.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('标题'):

index[0] = k

if line.startswith('关键词'):

index[1] = k

if line.startswith('作者'):

index[2] = k

if line.startswith('日期'):

index[3] = k

if line.startswith('问题描述'):

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. 遍历log文件夹，进行信息更新

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

# 此程序可以批量扫描log中的文件，如果碰到docx文档，

# 则调用readfile()提取文档信息，并将信息保存到digger

# 日志列表.xls之中，方便后期快速检索

import os,datetime

import time

import xlrd

from xlrd import xldate_as_tuple

import xlwt

from readfile import docxInfo

from xlutils.copy import copy

# 打开日志列表读取最近一条记录的更新日期

memo_d = '../log/digger日志列表.xls'

memo = xlrd.open_workbook(memo_d) #读取excel

sheet0 = memo.sheet_by_index(0) #读取第1张表

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

memo_n = len(memo_date) #去掉标题

if memo_n>0:

xlsx_date = memo_date[memo_n-1] #读取最后一条记录的日期,

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

# 返回时间戳

# 新建一个xlsx

memo_new = copy(memo)

sheet1 = memo_new.get_sheet(0)

# 重建超链接

hyperlinks = sheet0.col_values(6) # xlrd读取的也是text,造成超链接丢失

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

# 判断文件后缀

def endWith(s,*endstring):

array = map(s.endswith,endstring)

if True in array:

return True

else:

return False

# 遍历log文件夹并进行查询

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'])

#获取当前时间

time_now = time.time() #浮点值，精确到毫秒

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!')

其实还有一些操作电子表格更好的模块，比如panda、xlsxwriter、openpyxl等。不过上述代码已经基本能实现功能，而且科研狗毕竟没那么多时间写代码做调试，所以后面有空再update吧！

致谢

在此过程中大量借鉴了CSDN论坛中各位大神的各种经验！！！

以上这篇使用python批量读取word文档并整理关键信息到excel表格的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...相关推荐

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...
目标最近实验室里成立了一个计算机兴趣小组倡议大家多把自己解决问题的经验记录并分享就像在CSDN写博客一样虽然刚刚起步但考虑到后面此类经验记录的资料会越来越多所以一开始就要做好模板设计(如下 ...
批量处理word文件内容_用python批量提取word文件信息，导出到excel文件
技术的运用可以解决大量重复处理的工作,提高效率. 比如,有大量的论文电子文档(.docx格式),需要提取文档中的题目.作者.单位等信息制成表格(.xlsx格式),一般每篇论文的题目在第1行,副标题在第 ...
python删除txt指定内容_使用Python删除文本文件中的部分内容 | 学步园
为了学习英语,我把从网上下载下来的电影转换成纯MP3文件,放到iTouch里去了,这样就可以直接练习听力了,另外把下载下来的字幕也放进去,听不懂的时候可以看,但有一个问题,网上载下来的字幕格式都如下所 ...
python程序员的工作内容_每个Python程序员都要知道的日志实践
许多应用程序中都会有日志模块,用于记录系统在运行过程中的一些关键信息,以便于对系统的运行状况进行跟踪.在.NET平台中,有非常著名的第三方开源日志组件log4net,c++中,有人们熟悉的log4cp ...
用python爬取qq空间内容_用python爬取QQ空间
原博文 2016-11-18 17:19 − 好久没写博文了,最近捣鼓了一下python,好像有点上瘾了,感觉python比js厉害好多,但是接触不久,只看了<[大家网]Python基础教程(第 ...
php 批量转换文档编码格式_据说是国内最好的文档格式转换网址~PDF,PPT,EXCEL,WORD互相转换...
作者雷哥 | 编辑小西瓜各位读者朋友,大家好. 平时工作中,经常会遇到PDF转为Word,或者PPT转为Word,或者..... 遇到这种情况,大家有什么好的方法实现呢? 今天雷哥推荐给大家一个 ...
怎样在页面上查找请求内容_怎样快速裁剪删除PDF文档的页面内容？
有时在编辑PDF文档时,有大段的内容需要删除,且又不是整页无法直接通过删除页面解决,特别是扫描件无法直接用delete键清除时,有什么办法能快速解决呢?如何直接裁切不需要或保留需要的内容部分呢? 首先 ...
pythondocx批量提取目录及内容_一个可以选择目录生成doc目录内容的小工具(三) -python-docx...
说到docx的用法,度娘一大堆,眼花缭乱的.这里就不啰嗦了,基本上就是新建个Document对象,然后往上边加标题.段落.表格.附带设置这些对象的字型字号啥的.不过有一点,docx和python-do ...
python从邮箱获取指定邮件_用python提取并统计指定邮箱里的特定邮件
1.需求描述: 我们经常有这样的需求,需要某个邮箱中提取一个mailist的人员,发来的特定邮件,比如他们的周报,提交的patch等等.由于这是一个周期性的工作,有很大的重复和繁杂性,我们这里编写了一 ...

python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...

python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...相关推荐

最新文章

热门文章