Python办公自动化|从Word到Excel

Stella981
• 阅读 571

点击上方“ Python爬虫与数据挖掘 ”,进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

身虽死精神长生,成功成仁,实现大同。--赵博生

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)

Python办公自动化|从Word到Excel

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:

Python办公自动化|从Word到Excel

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:

Python办公自动化|从Word到Excel

Python办公自动化|从Word到Excel

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。

Python办公自动化|从Word到Excel

首先使用Python将Word文件导入

# 导入需要的库docxfrom 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

Python办公自动化|从Word到Excel

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 = 0for 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 strptimestrftime 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 datetimen = 0for 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 = 0for 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sheetsheet = 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

Python办公自动化|从Word到Excel

Python办公自动化|从Word到Excel

最后附上完整代码,代码很简单,理清思路最重要

from docx import Documentimport datetimefrom openpyxl import Workbookwb = Workbook()sheet = wb.activeheader = ['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.tablesn = 0for 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)            continuewb.save(r'C:\Users\20200420.xlsx')

**********---**--****-------------- End **********---**--****--------------

往期精彩文章推荐:

Python办公自动化|从Word到Excel

欢迎大家点赞,留言,转发,转载,****感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群

万水千山总是情,点个【在看】行不行

/今日留言主题/

随便说一两句吧~

本文分享自微信公众号 - Python爬虫与数据挖掘(crawler_python)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
4个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Irene181 Irene181
3年前
盘点最重要的7个Python库
点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书导读:对于那些对Python数据生态系统不太熟悉的人士,我将简要地介绍一部分重要的库。作者:韦斯·麦金尼(WesMcKinney)译者:徐敬来源:大数据DT(ID:hzdashuju)01NumPyhttp://numpy
可莉 可莉
3年前
10行Python代码自动清理电脑内重复文件,解放双手!
点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤世间行乐亦如此,古来万事东流水。!(https://oscimg.oschina.net/oscnet/da5385ecbd59492aa127c14a1a5b807c.jpg)(h
Stella981 Stella981
3年前
Python3 网络爬虫:下载小说的正确姿势
点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤少年心事当拂云。!(https://oscimg.oschina.net/oscnet/09902b71501b9e8c3cb656b5dfbbb0552e0.jpg)1
Stella981 Stella981
3年前
Python中的基础数据类型(String,Number)及其常用用法简析
点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤寄意寒星荃不察,我以我血荐轩辕。Python中的基础数据类型前言哈喽,各位小伙伴们,相信大家和我一样,在开始接触Python这门语言的时候,会遇到很多困
Wesley13 Wesley13
3年前
5 分钟掌握 Python 中的 Hook 钩子函数
击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤此曲有意无人传,愿随春风寄燕然。!(https://oscimg.oschina.net/oscnet/eb40675fe18343b98502990255057c76.jpg)1
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
10个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这