Python办公自动化之从Word到Excel

  1. 云栖社区>
  2. 云栖号资讯>
  3. 博客>
  4. 正文

Python办公自动化之从Word到Excel

云栖号资讯小哥 2020-04-21 14:54:56 浏览711
展开阅读全文

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

image

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)

image

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:

image

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:

image

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

image

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') 

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-21
本文作者:陈熹
本文来自:“51CTO”,了解相关信息可以关注“51CTO

网友评论

登录后评论
0/500
评论
云栖号资讯小哥
+ 关注
所属团队号: 云栖号资讯