前言

我在做将Word文档中数据汇总到Excel表格（小菜鸟的Python笔记001：将Word文档中数据汇总到Excel表格）的过程中遇到了一个问题，直接提取文档中的复选控件，是无法识别它有没有被选中。在网上找了好久都没有找到相应的解决方法，我苦思冥想了好久，终于想到了一个比较曲折的方法，如果有更好的方法，欢迎来和我交流！

一、程序思路及准备工作

程序思路：

我想，我用win32com库调用Word打开后直接提取无法识别，那Word是如何识别到它，然后把它显示出来的呢？后来我想到了，如果把它转为html，那浏览器是否能够识别呢？我试了一下，用浏览器打开它，能够正常显示，我再打开调试模式，找到复选框对应的标签，发现在html中已打勾的复选框表示的符号为"þ"或者"R"，未选中的为”o“或者”··“。故我想到了以下方法：
1、将Word文档转为html格式
2、读入html文件
3、用Xpath提取对应标签信息
4、判断是否打勾

准备工作：

这里用到了lxml这个库中的etree函数，它可将html转为xpath可识别的xml

二、使用步骤

1.引入库

from lxml import etree

2.将Word文档转为html并读入

html_path="D:\T5.html"
doc.SaveAs(html_path,8)                 #另存为html，8代表html
doc.Close()
f = codecs.open(html_path, "r", "gbk")  #读取html
content = f.read()
f.close()
tree = etree.HTML(content)

3.用Xpath提取所需数据

found=tree.xpath("/html/body/div/div/table/tr[18]/td[4]/p[1]/span[2]/text()")[0]    #用xpath提取数据，xpath路径可在浏览器调试模式中复制
notfound=tree.xpath("/html/body/div/div/table/tr[18]/td[4]/p[2]/span[2]/text()")[0]if ((found=="þ")or(found=="R"))&(found!=notfound):     #判断whether_found="已开发"
elif ((notfound=="þ")or(notfound=="R"))&(found!=notfound):whether_found="未开发"
else:whether_found ="出错"

三、遇到的问题

在用xpath提取数据的时候，我用浏览器复制下来的xpath路径，死活都提取不出来，试了好多次提取出来的都是一个空列表，后来在网上找了一下，原来是因为浏览器有时会为了显示加上一些标签，在用xpath提取的时候就失败了。如我上述的xpath路径为"/html/body/div/div/table/tr[18]/td[4]/p[1]/span[2]/text()"，但是从浏览器复制出来的是"/html/body/div/div/tbody/table/tr[18]/td[4]/p[1]/span[2]/text()"。当时死活都没想到是这个原因，所以如果你也遇到这样的问题，不妨先检查一下xpath路径是否正确。

总结

上述方法我觉得十分的曲折，而且程序运行地比较慢，但是我也只能想到这个方法了，如果你有更好地方法，欢迎来跟我交流！

第一次写技术分享文章，较为粗略，有问题可以私信和我交流！

小菜鸟的Python笔记002：如何识别Word文档中的复选框相关推荐

小菜鸟的Python笔记001：将Word文档中数据汇总到Excel表格
将Word文档中数据汇总到Excel表格前言一.应用场景二.程序思路及准备工作思路如下: 准备工作: 三.程序代码 1.主程序 2.获取Word文档列表 3.提取文档内数据 4.导入到Exce ...
【Python】导出docx格式Word文档中的文本、图片和附件等
[Python]导出docx格式Word文档中的文本.图片和附件等零.需求为批量批改学生在机房提交的实验报告,我需要对所有的实验文档内容进行处理.需要批量提取Word文档中的图片和附件以便进一步检 ...
Python批量提取docx格式Word文档中所有批注
封面图片:<Python程序设计基础与应用>(ISBN:9787111606178),董付国,机械工业出版社图书详情: 用书教师可以联系董老师获取教学大纲.课件.源码.教案.考试系统等配 ...
Python批量提取docx格式Word文档中所有文本框内的文本
功能描述: 批量提取指定Word文档(docx格式)中所有文本框中的文本. 测试文件: 参考代码: 执行结果:
python环绕文字_Java 设置 Word 文档中图片文字环绕方式
Java 设置 Word 文档中图片文字环绕方式在Word文档中插入图片时,选择合理的图片文字环绕方式可以使图片的展示效果更好,也能使页面的排版更加美观.本文就将介绍如何使用Free Spire.D ...
Python 使用docx库操作word文档中的表格单元格内容
1.导入库 from docx import Document 2.加载word文档对象 doc = Document(path) 3.定位表格 # 获取所有表格对象 tables = doc.tab ...
Word处理控件Aspose.Words功能演示：使用 Python 查找和替换 Word 文档中的文本
很多时候,您需要替换 Word 文档中的特定文本或短语.MS Word 具有针对此类情况的内置功能,您可以一键替换所需的文本.在本文中,您将学习如何使用 Python 以编程方式查找和替换 Word ...
办公室小姐姐的福利！用Python批量提取word文档中的表格和图片内容
点上方"菜鸟学Python",选择"星标" 第491篇原创干货,第一时间送达最近有许多小伙伴想要一些自动化办公的福利小程序,今天就满足大家的需求.日常的办公过 ...
Python提取word文档中的图片，识别图片文字之后再转存为word文档
#!/usr/bin/env python # coding: utf-8 import zipfile #压缩包 import os #文件库 import shutil import pytess ...
Python 读取 PDF 信息插入 Word 文档
Python 读取 PDF 信息插入 Word 文档思路 PDFMiner模块 docx-mailmerge 模块回顾代码下载 Hello,上个周末没能搞事情,被一个代码需求给绊住了:朋友在平时 ...

小菜鸟的Python笔记002：如何识别Word文档中的复选框

如何识别Word文档中的复选框

前言