使用python批量讀取word文檔并整理關(guān)鍵信息到excel表格的實(shí)例
目標(biāo)
最近實(shí)驗(yàn)室里成立了一個(gè)計(jì)算機(jī)興趣小組
倡議大家多把自己解決問題的經(jīng)驗(yàn)記錄并分享
就像在CSDN寫博客一樣
雖然剛剛起步
但考慮到后面此類經(jīng)驗(yàn)記錄的資料會(huì)越來越多
所以一開始就要做好模板設(shè)計(jì)(如下所示)

方便后面建立電子數(shù)據(jù)庫
從而使得其他人可以迅速地搜索到相關(guān)記錄
據(jù)說“人生苦短,我用python”
所以決定用python從docx文檔中提取文件頭的信息
然后把信息更新到一個(gè)xls電子表格中,像下面這樣(直接po結(jié)果好了)

而且點(diǎn)擊文件路徑可以直接打開對(duì)應(yīng)的文件(含超鏈接)

代碼實(shí)現(xiàn)
1. 采集docx里面文件頭信息
# -*- coding:utf-8 -*-
# 此程序可掃描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的集成開發(fā)環(huán)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('標(biāo)題'):
index[0] = k
if line.startswith('關(guān)鍵詞'):
index[1] = k
if line.startswith('作者'):
index[2] = k
if line.startswith('日期'):
index[3] = k
if line.startswith('問題描述'):
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. 遍歷log文件夾,進(jìn)行信息更新
# -*- coding:utf-8 -*-
# 此程序可以批量掃描log中的文件,如果碰到docx文檔,
# 則調(diào)用readfile()提取文檔信息,并將信息保存到digger
# 日志列表.xls之中,方便后期快速檢索
import os,datetime
import time
import xlrd
from xlrd import xldate_as_tuple
import xlwt
from readfile import docxInfo
from xlutils.copy import copy
# 打開日志列表讀取最近一條記錄的更新日期
memo_d = '../log/digger日志列表.xls'
memo = xlrd.open_workbook(memo_d) #讀取excel
sheet0 = memo.sheet_by_index(0) #讀取第1張表
memo_date = sheet0.col_values(5) #讀取第5列
memo_n = len(memo_date) #去掉標(biāo)題
if memo_n>0:
xlsx_date = memo_date[memo_n-1] #讀取最后一條記錄的日期,
latest_date = sheet0.cell_value(memo_n-1,5)
# 返回時(shí)間戳
# 新建一個(gè)xlsx
memo_new = copy(memo)
sheet1 = memo_new.get_sheet(0)
# 重建超鏈接
hyperlinks = sheet0.col_values(6) # xlrd讀取的也是text,造成超鏈接丟失
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
# 判斷文件后綴
def endWith(s,*endstring):
array = map(s.endswith,endstring)
if True in array:
return True
else:
return False
# 遍歷log文件夾并進(jìn)行查詢
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'])
#獲取當(dāng)前時(shí)間
time_now = time.time() #浮點(diǎn)值,精確到毫秒
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!')
其實(shí)還有一些操作電子表格更好的模塊,比如panda、xlsxwriter、openpyxl等。不過上述代碼已經(jīng)基本能實(shí)現(xiàn)功能,而且科研狗畢竟沒那么多時(shí)間寫代碼做調(diào)試,所以后面有空再update吧!
致謝
在此過程中大量借鑒了CSDN論壇中各位大神的各種經(jīng)驗(yàn)!??!
以上這篇使用python批量讀取word文檔并整理關(guān)鍵信息到excel表格的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
詳解Django框架中用戶的登錄和退出的實(shí)現(xiàn)
這篇文章主要介紹了詳解Django框架中用戶的登錄和退出的實(shí)現(xiàn),Django是重多Python人氣框架中最為知名的一個(gè),需要的朋友可以參考下2015-07-07
解決遇到PermissionError:[Errno 13] Permission den
遇到"PermissionError:[Errno 13] Permission denied"通常是權(quán)限不足導(dǎo)致,解決此問題的方法包括檢查并更改文件權(quán)限,使用管理員權(quán)限運(yùn)行命令,或接觸文件所有者,這些步驟有助于確保用戶具有執(zhí)行操作所需的權(quán)限,有時(shí),文件或目錄可能被鎖定2024-09-09
詳解python3安裝pillow后報(bào)錯(cuò)沒有pillow模塊以及沒有PIL模塊問題解決
這篇文章主要介紹了python3安裝pillow后報(bào)錯(cuò)沒有pillow模塊以及沒有PIL模塊問題解決,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-04-04
200 行python 代碼實(shí)現(xiàn) 2048 游戲
2048這個(gè)小游戲大家都不陌生,應(yīng)該都玩過,之前已經(jīng)在網(wǎng)上見過各個(gè)版本的2048實(shí)現(xiàn)了,有JAVA、HTML5等,今天我就給大家來一個(gè)我200 行python 代碼實(shí)現(xiàn)的2048 游戲,感興趣的朋友一起看看吧2018-01-01
詳解Python如何循環(huán)遍歷Numpy中的Array
Numpy是Python中常見的數(shù)據(jù)處理庫,是數(shù)據(jù)科學(xué)中經(jīng)常使用的庫。在本文中,我們將學(xué)習(xí)如何迭代遍歷訪問矩陣中的元素,需要的可以參考一下2022-04-04
python基于tkinter圖形化編程實(shí)現(xiàn)簡(jiǎn)易計(jì)算器功能
這篇文章主要為大家詳細(xì)介紹了python基于tkinter圖形化編程實(shí)現(xiàn)簡(jiǎn)易計(jì)算器功能,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-07-07

