Python docx module for Word or WPS processing

本文是通过docx把word中的表格中的某些已填好的内容提取出来，存入excel表格。

首先安装docx的python模块：

pip install python-docx

由于处理的为中文和符号，改成utf-8编码格式

import sys
reload(sys)
sys.setdefaultencoding('utf-8')
from docx import Document
import pandas as pd

# 打开文件
doc = Document(ur'test_1.docx')

为了处理word中以对勾形式勾选的项目，采用下面的方法
1、十字路口 √ 2、丁字路口 3、环形路口 4、人行立交

# 取出对号勾选的项目
print doc.tables[0].rows[3].cells[2].text
print doc.tables[0].rows[3].cells[2].text.split(u'√')[1].strip().split(' ')[0][2:]
'√' in doc.tables[0].rows[3].cells[2].text # 这个语句可以测试是否含有对勾，
# 有的话就取出对勾后面的item，否则直接返回填空的text

True

num_rows = len(doc.tables[0].rows)
print num_rows

xls = pd.read_csv(ur'output.csv')

print xls.columns[0]
diction = {}

# 找到每个excel文档中需要被记录的键值在docx文档表格中的位置
for xlskey in xls.columns:for row_id in range(num_rows):row = doc.tables[0].rows[row_id]for cell_id in range(len(row.cells)):if row.cells[cell_id].text.strip() == xlskey.strip():diction[xlskey] = [row_id, cell_id]

# 查看一下获得的键值位置
for key in list(diction.keys()):print key, diction[key]

楼层数 [21, 1]

宗地形状 [4, 1]

使用权取得时间 [14, 1]

采光通风状况 [19, 1]

已使用年限 [21, 4]

建筑朝向 [7, 1]

房屋结构 [17, 1]

交叉路口形式 [3, 1]

临街状况 [8, 1]

建筑容积率 [10, 5]

楼宇名称 [15, 5]

质量等级 [18, 1]

周围土地利用类型 [11, 1]

总建筑面积 [20, 1]

宗地位置 [0, 1]

所临道路名称 [2, 1]

装修标准 [16, 1]

那么我们认为这些表头键值对应的填入数据就在他们的右边，也就是下一个cell，因此我们只需要将row id不变，cell＋1，就能取出填表内容。

# 开始填表！！！
for each_column in xls.columns:pos = diction[each_column]textion = doc.tables[0].rows[pos[0]].cells[pos[1] + 1].textif u'√' in textion:this_text = textion.strip(' ').split(u'√')[1].split()[0][2:]else:this_text = textionxls.loc[0, each_column] = this_text

xls

.dataframe thead tr:only-child th { text-align: right; } .dataframe thead th { text-align: left; } .dataframe tbody tr th { vertical-align: top; }

	楼宇名称	宗地位置	所临道路名称	交叉路口形式	宗地形状	建筑朝向	临街状况	周围土地利用类型	装修标准	房屋结构	质量等级	采光通风状况	总建筑面积	楼层数	已使用年限	建筑容积率	使用权取得时间
0	百兴花园	鄂州市鄂城区凤凰路47-11号	凤凰路	丁字路口	多边形	南	离街	商业用地	豪华	1、钢 2、钢、钢混 3、钢混 4、混合 5、砖木 6、其它	完好	好	122.7平方米	8	13年

Succeed!!!

之后只需要用一个glob函数取出所有的文档的path，然后依次执行上面的命令，即可完成word表格到excel（实际上是csv形式）的自动填表过程。

2018年05月21日16:58:36

利用python的docx模块处理word和WPS的docx格式文件相关推荐

python和wps-基于python的docx模块处理word和WPS的docx格式文件方式
Python docx module for Word or WPS processing 本文是通过docx把word中的表格中的某些已填好的内容提取出来,存入excel表格. 首先安装docx的p ...
python合并word表格单元格_python docx模块读取word表格遇到合并单元格时的处理
python docx模块读取word表格遇到合并单元格时的处理 python docx模块读取word表格遇到合并单元格时的处理 python docx模块读取word表遇到合并单元格时的处理通 ...
利用python处理一万份word表格简历
前言有一天朋友A向我抱怨,他的老板要求他把几百份word填好的word表格简历信息整理到excel中,看着他一个个将姓名,年龄--从word表格里复制粘贴到excel里,边粘贴心里边暗暗诅咒着自己的 ...
python3wxpy下载_如何利用python之wxpy模块玩转微信
wxpy也是一个python的模块,利用它我们可以做很多有意思的事情首先利用一句代码我们就可以利用python登录网页版微信 bot = Bot(cache_path= True) 这条语句会产生一 ...
说说如何利用 Python 的 requests 模块，从网络下载电子小说
利用 Python 的 requests 模块可以很容易从网络下载电子小说,甚至可以处理 https 连接!首先必须先安装该模块. 通过命令行,运行 -> pip install request ...
利用python的selenium模块向Plant-mPLoc提交数据
利用python的selenium模块向Plant-mPLoc提交数据流程一般步骤 1.对数据的预处理 2. 环境的配置 3.代码分析及流程思想回顾和展望流程一般步骤首先我们对得到的序列预 ...
python 表格格式输出_利用python对excel中一列的时间数据更改格式操作
问题场景:需要将下列的交期一列的数据格式更改成2019/05/10 存货编码尺寸数量交期 0 K10Y0190000X B140 200 2019-05-10 00:00:00 1 K10Y01 ...
python对excel数据更改_利用python对excel中一列的时间数据更改格式代码示例
本篇文章小编给大家分享一下利用python对excel中一列的时间数据更改格式代码示例,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. 问题场景:需要将 ...
应用python的docx模块解析word文件内容
目录工作问题涉及知识点实现过程目标调用对应的库和模块定义通用方法 1.[遍历全部的同格式文件]返回一个文件夹内,限定某类格式文件,返回全部这类文件的绝对路径 2.[提取段落&表格中 ...

利用python的docx模块处理word和WPS的docx格式文件

Python docx module for Word or WPS processing

利用python的docx模块处理word和WPS的docx格式文件相关推荐

最新文章

热门文章