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(nèi)容提取出來，存入excel表格。
首先安裝docx的python模塊：
pip install python-docx
由于處理的為中文和符號(hào)，改成utf-8編碼格式
1 2 3 4 5 | import sysreload(sys)sys.setdefaultencoding('utf-8')from docx import Documentimport pandas as pd |
1 2 | # 打開文件doc = Document(ur'test_1.docx') |
為了處理word中以對(duì)勾形式勾選的項(xiàng)目，采用下面 的方法
1、十字路口 √ 2、丁字路口 3、環(huán)形路口 4、人行立交
1 2 3 4 5 | # 取出對(duì)號(hào)勾選的項(xiàng)目print doc.tables[0].rows[3].cells[2].textprint 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(gè)語句可以測(cè)試是否含有對(duì)勾，# 有的話就取出對(duì)勾后面的item，否則直接返回填空的text |
True
1 2 | num_rows = len(doc.tables[0].rows)print num_rows |
xls = pd.read_csv(ur'output.csv')
1 2 | print xls.columns[0]diction = {} |
1 2 3 4 5 6 7 | # 找到每個(gè)excel文檔中需要被記錄的鍵值在docx文檔表格中的位置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] |
1 2 3 | # 查看一下獲得的鍵值位置for key in list(diction.keys()): print key, diction[key] |
樓層數(shù) [21, 1]
宗地形狀 [4, 1]
使用權(quán)取得時(shí)間 [14, 1]
采光通風(fēng)狀況 [19, 1]
已使用年限 [21, 4]
建筑朝向 [7, 1]
房屋結(jié)構(gòu) [17, 1]
交叉路口形式 [3, 1]
臨街狀況 [8, 1]
建筑容積率 [10, 5]
樓宇名稱 [15, 5]
質(zhì)量等級(jí) [18, 1]
周圍土地利用類型 [11, 1]
總建筑面積 [20, 1]
宗地位置 [0, 1]
所臨道路名稱 [2, 1]
裝修標(biāo)準(zhǔn) [16, 1]
那么我們認(rèn)為這些表頭鍵值對(duì)應(yīng)的填入數(shù)據(jù)就在他們的右邊，也就是下一個(gè)cell，因此我們只需要將row id不變，cell＋1，就能取出填表內(nèi)容。
1 2 3 4 5 6 7 8 9 | # 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
| 樓宇名稱 | 宗地位置 | 所臨道路名稱 | 交叉路口形式 | 宗地形狀 | 建筑朝向 | 臨街狀況 | 周圍土地利用類型 | 裝修標(biāo)準(zhǔn) | 房屋結(jié)構(gòu) | 質(zhì)量等級(jí) | 采光通風(fēng)狀況 | 總建筑面積 | 樓層數(shù) | 已使用年限 | 建筑容積率 | 使用權(quán)取得時(shí)間 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 百興花園 | 鄂州市鄂城區(qū)鳳凰路47-11號(hào) | 鳳凰路 | 丁字路口 | 多邊形 | 南 | 離街 | 商業(yè)用地 | 豪華 | 1、鋼 2、鋼、鋼混 3、鋼混 4、混合 5、磚木 6、其它 | 完好 | 好 | 122.7平方米 | 8 | 13年 |
Succeed!!!
之后只需要用一個(gè)glob函數(shù)取出所有的文檔的path，然后依次執(zhí)行上面的命令，即可完成word表格到excel（實(shí)際上是csv形式）的自動(dòng)填表過程。
以上這篇基于python的docx模塊處理word和WPS的docx格式文件方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
聯(lián)系客服
