Python docx module for Word or WPS processing

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

首先安裝docx的python模組：

pip install python-docx

由於處理的為中文和符號，改成utf-8編碼格式

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

# 開啟檔案
doc = Document(ur'test_1.docx')

為了處理word中以對勾形式勾選的專案，採用下面 的方法

1、十字路口 √ 2、丁字路口 3、環形路口 4、人行立交

# 取出對號勾選的專案
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 # 這個語句可以測試是否含有對勾，
# 有的話就取出對勾後面的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excel文件中需要被記錄的鍵值在docx文件表格中的位置
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]

# 檢視一下獲得的鍵值位置
for key in list(diction.keys()):
 print key,diction[key]

樓層數 [21,1]

宗地形狀 [4,1]

使用權取得時間 [14,1]

採光通風狀況 [19,1]

已使用年限 [21,4]

建築朝向 [7,1]

房屋結構 [17,1]

交叉路口形式 [3,1]

臨街狀況 [8,1]

建築容積率 [10,5]

樓宇名稱 [15,5]

質量等級 [18,1]

周圍土地利用型別 [11,1]

總建築面積 [20,1]

宗地位置 [0,1]

所臨道路名稱 [2,1]

裝修標準 [16,1]

那麼我們認為這些表頭鍵值對應的填入資料就在他們的右邊，也就是下一個cell，因此我們只需要將row id不變，cell＋1，就能取出填表內容。

# 開始填表！！！
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

Succeed!!!

之後只需要用一個glob函式取出所有的文件的path，然後依次執行上面的命令，即可完成word表格到excel（實際上是csv形式）的自動填表過程。

以上這篇基於python的docx模組處理word和WPS的docx格式檔案方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。