Python办公自动化之从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)

创新互联是一家专注于成都做网站、网站建设与策划设计,突泉网站建设哪家好?创新互联做网站,专注于网站建设十多年,网设计领域的专业建站公司;建站业务涵盖:突泉等地区。突泉做网站价格咨询:18982081108

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:\Users\word.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strptime和strftime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:\Users\20200420.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:\Users\word.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:\Users\20200420.xlsx') 
 
 
 
 

网站栏目：Python办公自动化之从Word到Excel
分享路径：http://www.stwzsj.com/qtweb/news18/6068.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联