当前位置:   article > 正文

python读取word详解【from docx import Document】

from docx import document

python读取word详解【from docx import Document】


目录

python读取word详解【from docx import Document】

前言

环境

示例字符串

下载环境

导入环境

Document读取word

行拆分

信息分析

数据分组

csv文件写入

PyCharm打开效果:

Excel打开效果:


 

前言

        我们平时工作的时候会有很多的时候会遇到需要将word里面的有些杂乱的数据格式化到Excel中去,但是如果手动操作那真是【超级无语】,很崩溃,几百页的word让你慢慢复制粘贴,会死掉的。所以我们需要使用程序来完成,使用python先通过【docx】的包将word中的文字逐行读取出来,再根据行的数据格式进行数据清洗,清洗成对应的列表数据,批量写入Excel即可,这里我写入的是【CSV】文件,也可以通过Excel直接打开的。

环境

系统:win10

工具:PyCharm Community Edition 2021.3.1

解析目标类型:*.docx文件

输出目标类型:*.csv文件

需要用包:pip install docx

使用技巧:字符串处理

示例字符串

1、( A )不可存放于码头普通仓库内。

A、爆炸品          B、棉料              C、煤粉

2、( A )负责核发危险化学品及其包装物、容器生产企业的工业产品生产许可证,并依法对其产品质量实施监督,负责对进出口危险化学品及其包装实施检验。

A、质量监督检验检疫部门     B、安全生产监督局      C、公安部门

3、( A )告诉我们,构成管理系统的各要素是运动和发展的,它们相互联系又相互制约。在生产经营单位建立、健全安全生产责任制是对这一原则的应用。

A、动力相关性原则      B、动力原则        C、人本原理

4、( A )即根据演练工作需要,采取必要安全防护措施,确保参演、观摩等人员以及生产运行系统安全。

A、演练工作安全保障            B、安全防护措施         C、系统安全

5、( A )建立健全应急物资储备保障制度,完善重要应急物资的监管、生产、储备、调拨和紧急配送体系。

A、国家              B、社会               C、企业

下载环境

pip install docx

导入环境

from docx import Document
import csv
import uuid

import re

Document读取word

  1. from docx import Document
  2. import csv
  3. import uuid
  4. import re
  5. file = Document("word.docx")
  6. print(file)

输出对象查看是否读取成功,可以看到有对象的输出,代表读取成功。

使用【paragraphs】获取段落信息,可以看出输出的文字。

行拆分

拆分题目行与选择行

  1. from docx import Document
  2. import csv
  3. import uuid
  4. import re
  5. file = Document("word.docx")
  6. # 拆分依据
  7. info = r"( A )|( B )|( C )|( )"
  8. # 输出样式
  9. header_list2 = ["题型", "难度", "题目问题", "正确答案", "选项A", "选项B", "选项C"]
  10. # 获取file的段落对象
  11. for item in file.paragraphs:
  12. # 正则区分行
  13. te = re.search(info, item.text)
  14. print(te)

测试输出效果:

信息分析

正则判断根据答案进行判断的,如果这个行有就能输出,如果没有也就是选项那么就会输出【None】,所以我们判断一下是否等于【None】来区分题目行与选项行。

数据分组

  1. from docx import Document
  2. import csv
  3. import uuid
  4. import re
  5. file = Document("word.docx")
  6. # 拆分依据
  7. info = r"( A )|( B )|( C )|( )"
  8. # 输出样式
  9. header_list2 = ["题型", "难度", "题目问题", "正确答案", "选项A", "选项B", "选项C"]
  10. # 用于最终存储
  11. data_list = []
  12. # 用于存储集合·前两项固定的可以直接写上·我们主要拆分后面5列
  13. list_child = ["单选", "1", "", "", "", "", ""]
  14. # 获取file的段落对象
  15. for item in file.paragraphs:
  16. # 正则区分行
  17. te = re.search(info, item.text)
  18. if te != None:
  19. if list_child[2] != "":
  20. data_list.append(list_child)
  21. list_child = ["单选", "1", "", "", "", "", ""]
  22. list_child[2] = item.text.replace(item.text[te.span()[0]:te.span()[1]], "( )")
  23. list_child[3] = item.text[te.span()[0]:te.span()[1]]
  24. else:
  25. item2Len = []
  26. for item2 in item.text.split(" "):
  27. if item2 != "":
  28. item2Len.append(item2)
  29. list_child[4] = item2Len[0]
  30. list_child[5] = item2Len[1]
  31. list_child[6] = item2Len[2]
  32. print(data_list)

分组效果:

csv文件写入

直接创建一个新的文件写入即可。

  1. from docx import Document
  2. import csv
  3. import uuid
  4. import re
  5. file = Document("word.docx")
  6. # 拆分依据
  7. info = r"( A )|( B )|( C )|( )"
  8. # 输出样式
  9. header_list2 = ["题型", "难度", "题目问题", "正确答案", "选项A", "选项B", "选项C"]
  10. # 用于最终存储
  11. data_list = []
  12. # 用于存储集合·前两项固定的可以直接写上·我们主要拆分后面5列
  13. list_child = ["单选", "1", "", "", "", "", ""]
  14. # 获取file的段落对象
  15. for item in file.paragraphs:
  16. # 正则区分行
  17. te = re.search(info, item.text)
  18. if te != None:
  19. if list_child[2] != "":
  20. data_list.append(list_child)
  21. list_child = ["单选", "1", "", "", "", "", ""]
  22. list_child[2] = item.text.replace(item.text[te.span()[0]:te.span()[1]], "( )")
  23. list_child[3] = item.text[te.span()[0]:te.span()[1]]
  24. else:
  25. item2Len = []
  26. for item2 in item.text.split(" "):
  27. if item2 != "":
  28. item2Len.append(item2)
  29. list_child[4] = item2Len[0]
  30. list_child[5] = item2Len[1]
  31. list_child[6] = item2Len[2]
  32. fileName = "{0}.csv".format(uuid.uuid4())
  33. with open(fileName, 'w', encoding="utf-8-sig", newline="") as csvFile:
  34. wr = csv.writer(csvFile)
  35. wr.writerow(header_list2)
  36. wr.writerows(data_list)

写入效果:

PyCharm打开效果:

Excel打开效果:

演示完毕,根据实际需求处理数据即可。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/天景科技苑/article/detail/795987
推荐阅读
相关标签
  

闽ICP备14008679号