zoukankan      html  css  js  c++  java
  • Python办公自动化|从Word到Excel

    大家好,今天有一个公务员的小伙伴委托我给他帮个忙,大概是有这样一份Word(由于涉及文件私密所以文中的具体内容已做修改)

    一共有近2600条类似格式的表格细栏,每个栏目包括的信息有:

    • 日期

    • 发文单位

    • 文号

    • 标题

    • 签收栏

    需要提取其中加粗的这三项内容到Excel表格中存储,表格样式如下:

    也就是需要将收文时间、文件标题、文号填到指定位置,同时需要将时间修改为标准格式,如果是完全手动复制和修改时间,依照一个条目10s的时间计算,一分钟可以完成6条,那么最快也需要:

    而这类格式规整的文件整理非常适合用Python来执行,好的那么接下来请Python出场,必要的信息我在代码中以注释信息呈现。

    首先使用Python将Word文件导入

    # 导入需要的库docx
    from docx import Document
    
    # 指定文件存放的路径
    path = r'C:Usersword.docx' 
    
    # 读取文件
    document = Document(path)
    
    # 读取word中的所有表格
    tables = document.tables

    再把问题逐个划分,首先尝试获取第一张表第一个文件条目的三个所需信息

    # 获取第一张表
    table0 = tables[0]

    仔细观察可以发现一个文件条目占据了3行,所以对表格全部行循环迭代时可以设步长为3

    注意观察表格,按照row和cell把所需内容解析清楚

    # 在全局放一个变量用来计数填序号
    n = 0
    for i in range(0, len(table0.rows) + 1, 3):
        # 日期
        date = table0.cell(i, 1).text
        # 标题
        title = table0.cell(i + 1, 1).text.strip()
        # 文号
        dfn = tables[j].cell(i, 3).text.strip()
        print(n, date, tite, dfn)

    接下来需要解决的是,时间我们获取的是 2/1 这种 日/月的形式。我们需要转化成 YYYY-MM-DD格式,而这利用到datetime包的strptimestrftime函数:

    • strptime: 解析字符串中蕴含的时间

    • strftime: 转化成所需的时间格式

    import datetime
    
    n = 0
    for i in range(0, len(table0.rows) + 1, 3):
        # 日期
        date = table0.cell(i, 1).text
        # 有的条目时间是空的,这里不做过多判别
        if '/' in date:
            date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
        else:
            date = '-'
        # 标题
        title = table0.cell(i + 1, 1).text.strip()
        # 文号
        dfn = tables[j].cell(i, 3).text.strip()
        print(n, date, tite, dfn)

    这样一张表的内容解析就完成了,注意这里用的是table[0]即第一张表,遍历所有的表加一个嵌套循环就可以,另外也可以捕获异常增加程序灵活性

    n = 0
    for j in range(len(tables)):
        for i in range(0, len(tables[j].rows)+1, 3):
            try:
                # 日期
                date = tables[j].cell(i, 1).text
                if '/' in date:
                    date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
                else:
                    date = '-'
                # 标题
                title = tables[j].cell(i + 1, 1).text.strip()
                # 文号
                dfn = tables[j].cell(i, 3).text.strip()
                n += 1
                print(n, date, title, dfn)
            except Exception as error:
                # 捕获异常,也可以用log写到日志里方便查看和管理
                print(error)
                continue

    信息解析和获取完成就可以导出了,用到的包是openpyxl

    from openpyxl import Workbook
    
    # 实例化
    wb = Workbook()
    # 获取当前sheet
    sheet = wb.active
    # 设立表头
    header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注']
    sheet.append(header)

    在最内层解析循环的末尾加上如下代码即可

    row = [n, date, ' ', title, dfn, ' ']
    sheet.append(row)

    线程的最后记得保存

    wb.save(r'C:Users20200420.xlsx')

    运行时间在10分钟左右,大概离开了一会程序就执行结束了

    最后附上完整代码,代码很简单,理清思路最重要

    from docx import Document
    import datetime
    from openpyxl import Workbook
    
    wb = Workbook()
    sheet = wb.active
    header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注']
    sheet.append(header)
    
    
    path = r'C:Usersword.docx'
    document = Document(path)
    tables = document.tables
    
    n = 0
    for j in range(len(tables)):
        for i in range(0, len(tables[j].rows)+1, 3):
            try:
                # 日期
                date = tables[j].cell(i, 1).text
                if '/' in date:
                    date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
                else:
                    date = '-'
                # 标题
                title = tables[j].cell(i + 1, 1).text.strip()
                # 文号
                dfn = tables[j].cell(i, 3).text.strip()
                n += 1
                print(n, date, title, dfn)
                row = [n, date, ' ', title, dfn, ' ']
                sheet.append(row)
            except Exception as error:
                # 捕获异常,也可以用log写到日志里方便查看和管理
                print(error)
                continue
    
    wb.save(r'C:Users20200420.xlsx')
  • 相关阅读:
    discuz对PHP7不支持mysql的兼容性处理
    mysql 5.6 设置root初始密码正确步骤,避免入坑
    当root用户无密码,非超级权限用户时提示mysqladmin: Can't turn off logging; error: 'Access denied; you need the SUPER privilege for this op解决方案
    部署 LAMP (CentOS 7.2),摘自阿里云,方便查看使用
    Win32 API编程:网络编程在设置WSAAsyncSelect模型后connect的返回值问题
    指针、指针变量梳理,取地址与取值运算
    C++/VC中ANSI与UNICODE中字符定义和函数对照表
    com.google.gson的SerializedName解决实体类与关键字的重名
    【Java】BigDecimal
    【MySQL】去重
  • 原文地址:https://www.cnblogs.com/liuzaoqi/p/12769562.html
Copyright © 2011-2022 走看看