Python办公自动化｜从Word到Excel - HelloWorld开发者社区

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

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

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 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 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

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 **********---**--****--------------