时间:2021-05-23
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 sysreload(sys)sys.setdefaultencoding('utf-8')from docx import Documentimport 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].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 # 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textTrue
num_rows = len(doc.tables[0].rows)print num_rowsxls = 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_textxls
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。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文研究的主要问题时Python读取word文本操作,分享了相关概念和实现代码,具体如下。一,docx模块Python可以利用python-docx模块处理wo
doc和docx都是word文档的格式,docx是Word2007以上版本的文件格式,由于格式有差别,docx格式的Word文件低于2007版就打不开了。如果考
DOCX,又称docx,是微软Word的文件扩展名。docx是MicrosoftOffice2007之后所版本使用的文件扩展名,用新的基于XML的压缩文件格式取
docx2txt的Github地址docx2txt是基于python的从docx文件中提取文本和图片的库。代码是从python-docx中获取的。它也可以从页眉
word中有doc也有docx,DOC文件属于微软Word其默认文件类型;DOCX格式由微软开发,属于DOC文件的继承者;任何能够打开DOC文件的文字处理软件都