Python docx module for Word or WPS processing
本文是通过docx把word中的表格中的某些已填好的内容提取出来，存入excel表格。
首先安装docx的python模块：
pip install python-docx
由于处理的为中文和符号，改成utf-8编码格式
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
from docx import Document
import pandas as pd
# 打开文件 doc = Document(ur'test_1.docx')
为了处理word中以对勾形式勾选的项目，采用下面 的方法
1、十字路口 √ 2、丁字路口 3、环形路口 4、人行立交
# 取出对号勾选的项目
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 # 这个语句可以测试是否含有对勾，
# 有的话就取出对勾后面的item，否则直接返回填空的text
True
num_rows = len(doc.tables[0].rows) print num_rows
xls = pd.read_csv(ur'output.csv')
print xls.columns[0]
diction = {}
# 找到每个excel文档中需要被记录的键值在docx文档表格中的位置
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]
# 查看一下获得的键值位置 for key in list(diction.keys()): print key, diction[key]
楼层数 [21, 1]
宗地形状 [4, 1]
使用权取得时间 [14, 1]
采光通风状况 [19, 1]
已使用年限 [21, 4]
建筑朝向 [7, 1]
房屋结构 [17, 1]
交叉路口形式 [3, 1]
临街状况 [8, 1]
建筑容积率 [10, 5]
楼宇名称 [15, 5]
质量等级 [18, 1]
周围土地利用类型 [11, 1]
总建筑面积 [20, 1]
宗地位置 [0, 1]
所临道路名称 [2, 1]
装修标准 [16, 1]
那么我们认为这些表头键值对应的填入数据就在他们的右边，也就是下一个cell，因此我们只需要将row id不变，cell＋1，就能取出填表内容。
# 开始填表！！！
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
| 楼宇名称 | 宗地位置 | 所临道路名称 | 交叉路口形式 | 宗地形状 | 建筑朝向 | 临街状况 | 周围土地利用类型 | 装修标准 | 房屋结构 | 质量等级 | 采光通风状况 | 总建筑面积 | 楼层数 | 已使用年限 | 建筑容积率 | 使用权取得时间 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 百兴花园 | 鄂州市鄂城区凤凰路47-11号 | 凤凰路 | 丁字路口 | 多边形 | 南 | 离街 | 商业用地 | 豪华 | 1、钢 2、钢、钢混 3、钢混 4、混合 5、砖木 6、其它 | 完好 | 好 | 122.7平方米 | 8 | 13年 |
Succeed!!!
之后只需要用一个glob函数取出所有的文档的path，然后依次执行上面的命令，即可完成word表格到excel（实际上是csv形式）的自动填表过程。
以上这篇基于python的docx模块处理word和WPS的docx格式文件方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
