前幾天有一個(gè)讀者說最近要整理幾千份文件，頭都要整禿了，不知道能不能用Python解決，我們來看一下，你也可以思考一下。
由于涉及文件私密所以具體內(nèi)容已做脫敏處理。
大概是這樣，一個(gè)文件夾下有多份會(huì)議通知信息（本文以 7 份文件為例）
每一份通知打開格式基本類似，如下所示??
現(xiàn)在需要將每份會(huì)議文檔中的 學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人 四項(xiàng)關(guān)鍵信息提取出來，整理到 Excel 表格中：
在他真實(shí)需求中，會(huì)議通知四年積累下來有快 1000 份（四年開了這么多次會(huì)也是很厲害...），用人力挨個(gè)打開文件并錄到 Excel 中工作量實(shí)在太大。
好家伙，這種重復(fù)的無聊工作， 不就是一份非常適合交給 Python 的自動(dòng)化工作嗎？我不允許我的粉絲還不會(huì)！
下面我們來看看如何用Python解決這個(gè)問題，主要將涉及：
openpyxl 寫入 Excel 文件python-docx 讀取 Word 文件glob 批量獲取文件路徑為了簡(jiǎn)化上面的需求，本文中需要獲取的會(huì)議通知文件一共 7 個(gè)，分別命名為 會(huì)議通知1.docx 會(huì)議通知2.docx... 會(huì)議通知7.docx，存放在 Notice 文件夾下。輸出的目標(biāo) Excel 文件命名為 Meeting_temp.xlsx
寫代碼之前都先明確完整的問題需要分為幾個(gè)小步驟實(shí)現(xiàn)。從需求中我們大概可以將代碼分為以下幾步：
“”
獲取會(huì)議通知 Notice 文件夾下的所有文件； 解析每一份 Word 文件，獲取需要的四個(gè)信息，輸出到 Excel 中； 保存 Excel 文件
有了邏輯就有了寫代碼的思路了。第 1 步可以由 glob 庫(kù)完成，后面兩步就是操作 Word 的 python-docx 庫(kù)和操作 Excel 的 openpyxl 庫(kù)的交互協(xié)作了。
這兩個(gè)庫(kù)我們都有說過，如果你不熟悉，一定要先閱讀下面的文章！
首先導(dǎo)入需要的庫(kù)：
from docx import Document
from openpyxl import load_workbook
import glob
將模板 Excel 讀取進(jìn)程序：
path = r'C:\Users\xxx' # 路徑為會(huì)議通知文件夾和 Excel 模板所在的位置，可按實(shí)際情況更改
workbook = load_workbook(path + r'\Meeting_temp.xlsx')
sheet = workbook.active
寫任何批處理的代碼之前都建議先寫一下單次操作的代碼，因此我們先完成對(duì) 會(huì)議通知 1.docx 文件的解析，確保無誤?，F(xiàn)在對(duì)于文檔的結(jié)構(gòu)和關(guān)鍵信息的位置尚不明確，可以先將 Word 以段落 Paragraph 為單位輸出觀察：
wordfile = Document(path + r'\Notice\會(huì)議通知 1.docx')
for paragraph in wordfile.paragraphs:
print(paragraph)
文件的文字排布脈絡(luò)比較清晰，基本是一句話對(duì)應(yīng)一個(gè)段落，而需要的信息可以簡(jiǎn)單通過判斷每句話（每段話）前幾個(gè)字而明確：
for paragraph in wordfile.paragraphs:
if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：':
study_time = paragraph.text[5:]
if paragraph.text[0:4] == '主持人：':
host = paragraph.text[4:]
if paragraph.text[0:5] == '學(xué)習(xí)形式：':
study_type = paragraph.text[5:]
對(duì)于學(xué)習(xí)內(nèi)容的獲取比較特殊，不像其他三個(gè)信息，都在一句話中，且關(guān)鍵字就為前幾個(gè)字：
可以看到，“學(xué)習(xí)內(nèi)容” 四個(gè)字和真正包含的內(nèi)容分散在不同的句子中.這里簡(jiǎn)單用一個(gè)策略：
“建立一個(gè)空列表存放，然后遍歷每一段判斷，如果一個(gè)字符為數(shù)字且第二個(gè)字符為中文頓號(hào)
”“、”就獲取存放到列表中。最后把列表中的元素重新組合成一個(gè)長(zhǎng)字符串即可：
content_lst = []
for paragraph in wordfile.paragraphs:
if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：':
study_time = paragraph.text[5:]
if paragraph.text[0:4] == '主持人：':
host = paragraph.text[4:]
if paragraph.text[0:5] == '學(xué)習(xí)形式：':
study_type = paragraph.text[5:]
if len(paragraph.text) >= 2:
if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
content_lst.append(paragraph.text)
content = ' '.join(content_lst)
完成了解析 Word 文件之后，就需要把內(nèi)容輸出的 Excel 文件中了。
簡(jiǎn)單來說，就是將上面代碼獲取到的幾個(gè)元素組合成一個(gè)列表，通過 sheet.append(list) 的方法寫入 Excel 文件中：
number = 0 # 全局中設(shè)置一個(gè)變量用于計(jì)數(shù)，做為序號(hào)輸出
wordfile = Document(path + r'\Notice\會(huì)議通知 1.docx')
content_lst = []
for paragraph in wordfile.paragraphs:
if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：':
study_time = paragraph.text[5:]
if paragraph.text[0:4] == '主持人：':
host = paragraph.text[4:]
if paragraph.text[0:5] == '學(xué)習(xí)形式：':
study_type = paragraph.text[5:]
if len(paragraph.text) >= 2:
if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
content_lst.append(paragraph.text)
content = ' '.join(content_lst)
number += 1
sheet.append([number, study_time, content, study_type, host])
單個(gè)文件解析完，用 glob 改完獲取文件夾下全部文件，建立循環(huán)逐個(gè)解析就能完成本需求，當(dāng)然最后記得保存 Excel 文件。
完整代碼如下??
from docx import Document
from openpyxl import load_workbook
import glob
path = r'C:\Users\xxx'
workbook = load_workbook(path + r'\Meeting_temp.xlsx')
sheet = workbook.active
number = 0
for file in glob.glob(path + r'\Notice\*.docx'):
wordfile = Document(file)
content_lst = []
for paragraph in wordfile.paragraphs:
if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：':
study_time = paragraph.text[5:]
if paragraph.text[0:4] == '主持人：':
host = paragraph.text[4:]
if paragraph.text[0:5] == '學(xué)習(xí)形式：':
study_type = paragraph.text[5:]
if len(paragraph.text) >= 2:
if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
content_lst.append(paragraph.text)
content = ' '.join(content_lst)
number += 1
sheet.append([number, study_time, content, study_type, host])
workbook.save(path + r'\Meeting_notice.xlsx')核心也不過三十行代碼，總共不過三秒就搞定了！
聯(lián)系客服
