Python辦公自動化Word轉Excel文件批量處理

Posted on by

前言

大傢好，今天有一個公務員的小夥伴委托我給他幫個忙，大概是有這樣一份Word(由於涉及文件私密所以文中的具體內容已做修改)

一共有近2600條類似格式的表格細欄，每個欄目包括的信息有：

  • 日期
  • 發文單位
  • 文號
  • 標題
  • 簽收欄

需要提取其中加粗的這三項內容到Excel表格中存儲，表格樣式如下：

也就是需要將收文時間、文件標題、文號填到指定位置，同時需要將時間修改為標準格式，如果是完全手動復制和修改時間，依照一個條目10s的時間計算，一分鐘可以完成6條，那麼最快也需要：

而這類格式規整的文件整理非常適合用Python來執行，好的那麼接下來請Python出場，必要的信息我在代碼中以註釋信息呈現。

首先使用Python將Word文件導入

# 導入需要的庫docx
from docx import Document
# 指定文件存放的路徑
path = r'C:\Users\word.docx' 
# 讀取文件
document = Document(path)
# 讀取word中的所有表格
tables = document.tables

再把問題逐個劃分，首先嘗試獲取第一張表第一個文件條目的三個所需信息

# 獲取第一張表
table0 = tables[0]

仔細觀察可以發現一個文件條目占據瞭3行，所以對表格全部行循環迭代時可以設步長為3

row和cell解析所需內容

註意觀察表格，按照row和cell把所需內容解析清楚

# 在全局放一個變量用來計數填序號
n = 0
for i in range(0, len(table0.rows) + 1, 3):
    # 日期
    date = table0.cell(i, 1).text
    # 標題
    title = table0.cell(i + 1, 1).text.strip()
    # 文號
    dfn = tables[j].cell(i, 3).text.strip()
    print(n, date, tite, dfn)

接下來需要解決的是，時間我們獲取的是 2/1 這種 日/月的形式。我們需要轉化成 YYYY-MM-DD格式，而這利用到datetime包的strptime和strftime函數：

strptime: 解析字符串中蘊含的時間

strftime: 轉化成所需的時間格式

import datetime
n = 0
for i in range(0, len(table0.rows) + 1, 3):
    # 日期
    date = table0.cell(i, 1).text
    # 有的條目時間是空的，這裡不做過多判別
    if '/' in date:
        date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
    else:
        date = '-'
    # 標題
    title = table0.cell(i + 1, 1).text.strip()
    # 文號
    dfn = tables[j].cell(i, 3).text.strip()
    print(n, date, tite, dfn)

這樣一張表的內容解析就完成瞭，註意這裡用的是table[0]即第一張表，遍歷所有的表加一個嵌套循環就可以，另外也可以捕獲異常增加程序靈活性

n = 0
for 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 = '-'
            # 標題
            title = tables[j].cell(i + 1, 1).text.strip()
            # 文號
            dfn = tables[j].cell(i, 3).text.strip()
            n += 1
            print(n, date, title, dfn)
        except Exception as error:
            # 捕獲異常，也可以用log寫到日志裡方便查看和管理
            print(error)
            continue

信息解析和獲取完成就可以導出瞭，用到的包是openpyxl

from openpyxl import Workbook
# 實例化
wb = Workbook()
# 獲取當前sheet
sheet = wb.active
# 設立表頭
header = ['序號', '收文時間', '辦文編號', '文件標題', '文號', '備註']
sheet.append(header)

內層解析循環

在最內層解析循環的末尾加上如下代碼即可

row = [n, date, ' ', title, dfn, ' ']
sheet.append(row)

線程的最後記得保存

wb.save(r'C:\Users\20200420.xlsx')

運行時間在10分鐘左右，大概離開瞭一會程序就執行結束瞭

最後附上完整代碼，代碼很簡單，理清思路最重要

from docx import Document
import datetime
from openpyxl import Workbook
wb = Workbook()
sheet = wb.active
header = ['序號', '收文時間', '辦文編號', '文件標題', '文號', '備註']
sheet.append(header)
path = r'C:\Users\word.docx'
document = Document(path)
tables = document.tables
n = 0
for 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 = '-'
            # 標題
            title = tables[j].cell(i + 1, 1).text.strip()
            # 文號
            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:
            # 捕獲異常，也可以用log寫到日志裡方便查看和管理
            print(error)
            continue
wb.save(r'C:\Users\20200420.xlsx')

以上就是Python辦公自動化Word轉Excel文件批量處理的詳細內容，更多關於Python辦公自動化Word轉Excel的資料請關註WalkonNet其它相關文章！

推薦閱讀：