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2行(如果有的话)，作者及单位信息在接下来的第3行、第4行。如下图所示。

　　如果文件非常多，手动复制、粘贴的话，会比较繁琐费时。我们可以通过找出规律，用python实现自动提取。

　　代码如下(readWord.py文件)：

#####readWord.py#####

import docx,os,openpyxl

dirpath = './'

list = []

desfile = 'desfile.xlsx'

#创建excel文件

hxlsx = openpyxl.Workbook()

sheet = hxlsx.active

sheet.append(['序号','题目','作者','单位','文件名'])

#读取指定目录'docx'文件

files = os.listdir(dirpath)

i = 0

for file in files:

number = 0

if file[-5:] == '.docx':

i += 1

hfile = docx.Document(file)

if hfile.paragraphs[0].text == '':#题目上面有1个空行

number = 1;

title = hfile.paragraphs[number].text.strip()

if hfile.paragraphs[number+1].text[:2] == '——':#题目下面有副标题

title += hfile.paragraphs[number+1].text.strip()

number += 1

if hfile.paragraphs[number+1].text == '':#作者上面有1个空行

number += 1

author = hfile.paragraphs[number+1].text.strip()

custom = hfile.paragraphs[number+2].text.strip()

custom = custom.strip('(')

custom = custom.strip(')')

#追加插入序号、题目、作者、单位信息、文件名相应内容

sheet.append([i,title,author,custom,file])

print('finish')

hxlsx.save(desfile)

#####end#####

　　docx、openpyxl模块分别实现对word、excel文件的操作，如果没有安装的话，需要先进行安装。

　　windows系统在cmd命令行下，分别输入：

　　pip install python-docx

　　pip install openpyxl

　　效果如下图：

　　接下来，测试前述功能代码的效果。readWord.py遍历当前目录下所有".docx"论文文件，提取文件中前面几行中的论文题目、作者、单位信息，并导出到" desfile.xlsx"文件。实现效果如下图所示：

批量处理word文件内容_用python批量提取word文件信息，导出到excel文件相关推荐

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 ...
python 文件更新_使用Python批量更新服务器文件【新手必学】
买了个Linux服务器,Centos系统,装了个宝塔搭建了10个网站,比如有时候要在某个文件上加点代码,就要依次去10个文件改动,虽然宝塔是可视化页面操作,不需要用命令,但是也麻烦,虽然还有git的h ...
python删除文件和linux删除文件区别_使用Python批量删除文件列表
使用Python批量删除文件列表环境: 已知要删除的文件列表,即确定哪些文件要删除. 代码如下: #!/usr/bin/env python #coding=utf-8 #目的:本程序主要为删除给定 ...
python 批量增加文件前缀_用python批量提取视频中的音频文件
安装MoviePy pip3 install MoviePy 安装成功后需要打开MoviePy所在的文件夹 C:PythonLibsite-packagesmoviepy 打开config_defau ...
python读压缩文件内容_使用Python读写及压缩和解压缩文件的示例
读写文件首先看一个例子: f = open('thefile.txt','w') #以写方式打开, try: f.write('wokao') finally: f.close() 文件的打开方式: ...
怎么读取h5文件内容_【Python编程特训连载72】读取two.txt文件，模拟输出“两会”内容答案公布...
董明珠是中国产业界的女强人,她曾经说过 "两会"的名言:"成功人的两会:开会,培训会.普通人的两会:约会,聚会.穷人的两会:这也不会,那也不会.奋斗的人两会:必须会,一定 ...
python删除excel内容_用python批量删除sheet
因为工作关系维护了一个Excel文件,格式是xlsx,每天一个sheet,从17年下半年到目前已经有上百个sheet,导致文件越来越大,发邮件加载也变得很慢.想要删除一部分,保留近一个月的,当然手动删 ...
python替换文件内容_使用python替换文件内容
# 传入文件(file),将旧内容(old_content)替换为新内容(new_content) def replace(file, old_content, new_content): conte ...
python新建word文档_使用Python 自动生成 Word 文档的教程
当然要用第三方库啦 :) 使用以下命令安装: pip install python-docx 使用该库的基本步骤为: 1.建立一个文档对象(可自动使用默认模板建立,也可以使用已有文件). 2.设置文档 ...

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

批量处理word文件内容_用python批量提取word文件信息，导出到excel文件相关推荐

最新文章

热门文章