基于python的docx模塊處理word和WPS的docx格式文件方式

更新時(shí)間：2020年02月13日 11:29:05 作者：江戶川柯壯

今天小編就為大家分享一篇基于python的docx模塊處理word和WPS的docx格式文件方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

Python docx module for Word or WPS processing

本文是通過(guò)docx把word中的表格中的某些已填好的內(nèi)容提取出來(lái)，存入excel表格。

首先安裝docx的python模塊：

pip install python-docx

由于處理的為中文和符號(hào)，改成utf-8編碼格式

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

# 打開(kāi)文件
doc = Document(ur'test_1.docx')

為了處理word中以對(duì)勾形式勾選的項(xiàng)目，采用下面的方法

1、十字路口 √ 2、丁字路口 3、環(huán)形路口 4、人行立交

# 取出對(duì)號(hào)勾選的項(xiàng)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 # 這個(gè)語(yǔ)句可以測(cè)試是否含有對(duì)勾，
# 有的話就取出對(duì)勾后面的item，否則直接返回填空的text

True

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

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

print xls.columns[0]
diction = {}

# 找到每個(gè)excel文檔中需要被記錄的鍵值在docx文檔表格中的位置
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]

# 查看一下獲得的鍵值位置
for key in list(diction.keys()):
 print key, diction[key]

樓層數(shù) [21, 1]

宗地形狀 [4, 1]

使用權(quán)取得時(shí)間 [14, 1]

采光通風(fēng)狀況 [19, 1]

已使用年限 [21, 4]

建筑朝向 [7, 1]

房屋結(jié)構(gòu) [17, 1]

交叉路口形式 [3, 1]

臨街狀況 [8, 1]

建筑容積率 [10, 5]

樓宇名稱 [15, 5]

質(zhì)量等級(jí) [18, 1]

周圍土地利用類型 [11, 1]

總建筑面積 [20, 1]

宗地位置 [0, 1]

所臨道路名稱 [2, 1]

裝修標(biāo)準(zhǔn) [16, 1]

那么我們認(rèn)為這些表頭鍵值對(duì)應(yīng)的填入數(shù)據(jù)就在他們的右邊，也就是下一個(gè)cell，因此我們只需要將row id不變，cell＋1，就能取出填表內(nèi)容。

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

xls

	樓宇名稱	宗地位置	所臨道路名稱	交叉路口形式	宗地形狀	建筑朝向	臨街狀況	周圍土地利用類型	裝修標(biāo)準(zhǔn)	房屋結(jié)構(gòu)	質(zhì)量等級(jí)	采光通風(fēng)狀況	總建筑面積	樓層數(shù)	已使用年限	建筑容積率	使用權(quán)取得時(shí)間
0	百興花園	鄂州市鄂城區(qū)鳳凰路47-11號(hào)	鳳凰路	丁字路口	多邊形	南	離街	商業(yè)用地	豪華	1、鋼 2、鋼、鋼混 3、鋼混 4、混合 5、磚木 6、其它	完好	好	122.7平方米	8	13年