用Python寫幾行代碼，一分鐘搞定一天工作量，同事直呼：好家伙！

前幾天有一個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容已做脫敏處理。

大概是這樣，一個文件夾下有多份會議通知信息（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)在需要將每份會議文檔中的 學習時間、學習內容、學習形式、主持人 四項關鍵信息提取出來，整理到 Excel 表格中：

在他真實需求中，會議通知四年積累下來有快 1000 份（四年開了這么多次會也是很厲害...），用人力挨個打開文件并錄到 Excel 中工作量實在太大。

好家伙，這種重復的無聊工作， 不就是一份非常適合交給 Python 的自動化工作嗎？我不允許我的粉絲還不會！

下面我們來看看如何用Python解決這個問題，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

為了簡化上面的需求，本文中需要獲取的會議通知文件一共 7 個，分別命名為 會議通知1.docx 會議通知2.docx... 會議通知7.docx，存放在 Notice 文件夾下。輸出的目標 Excel 文件命名為 Meeting_temp.xlsx

基本邏輯

寫代碼之前都先明確完整的問題需要分為幾個小步驟實現(xiàn)。從需求中我們大概可以將代碼分為以下幾步：

有了邏輯就有了寫代碼的思路了。第 1 步可以由 glob 庫完成，后面兩步就是操作 Word 的 python-docx 庫和操作 Excel 的 openpyxl 庫的交互協(xié)作了。

這兩個庫我們都有說過，如果你不熟悉，一定要先閱讀下面的文章！

• ??python-docx操作Word詳解
• ??openpyxl操作Excel詳解

代碼實現(xiàn)

首先導入需要的庫：

from?docx?import?Document
from?openpyxl?import?load_workbook
import?glob

將模板 Excel 讀取進程序：

path??=?r'C:\Users\xxx'?#?路徑為會議通知文件夾和?Excel?模板所在的位置，可按實際情況更改
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 會議通知 1.docx 文件的解析，確保無誤。現(xiàn)在對于文檔的結構和關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\會議通知?1.docx')
for?paragraph?in?wordfile.paragraphs:
????print(paragraph)

文件的文字排布脈絡比較清晰，基本是一句話對應一個段落，而需要的信息可以簡單通過判斷每句話（每段話）前幾個字而明確：

????for?paragraph?in?wordfile.paragraphs:
????????if?paragraph.text[0:5]?==?'學習時間：':
????????????study_time?=?paragraph.text[5:]
????????if?paragraph.text[0:4]?==?'主持人：':
????????????host?=?paragraph.text[4:]
????????if?paragraph.text[0:5]?==?'學習形式：':
????????????study_type?=?paragraph.text[5:]

對于學習內容的獲取比較特殊，不像其他三個信息，都在一句話中，且關鍵字就為前幾個字：

可以看到，“學習內容” 四個字和真正包含的內容分散在不同的句子中.這里簡單用一個策略：

“

建立一個空列表存放，然后遍歷每一段判斷，如果一個字符為數(shù)字且第二個字符為中文頓號 “、” 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長字符串即可：

”

????content_lst?=?[]
????for?paragraph?in?wordfile.paragraphs:
????????if?paragraph.text[0:5]?==?'學習時間：':
????????????study_time?=?paragraph.text[5:]
????????if?paragraph.text[0:4]?==?'主持人：':
????????????host?=?paragraph.text[4:]
????????if?paragraph.text[0:5]?==?'學習形式：':
????????????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，就需要把內容輸出的 Excel 文件中了。

簡單來說，就是將上面代碼獲取到的幾個元素組合成一個列表，通過 sheet.append(list) 的方法寫入 Excel 文件中：

number?=?0?#?全局中設置一個變量用于計數(shù)，做為序號輸出

wordfile?=?Document(path?+?r'\Notice\會議通知?1.docx')
content_lst?=?[]
for?paragraph?in?wordfile.paragraphs:
????if?paragraph.text[0:5]?==?'學習時間：':
????????study_time?=?paragraph.text[5:]
????if?paragraph.text[0:4]?==?'主持人：':
????????host?=?paragraph.text[4:]
????if?paragraph.text[0:5]?==?'學習形式：':
????????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)逐個解析就能完成本需求，當然最后記得保存 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]?==?'學習時間：':
????????????study_time?=?paragraph.text[5:]
????????if?paragraph.text[0:4]?==?'主持人：':
????????????host?=?paragraph.text[4:]
????????if?paragraph.text[0:5]?==?'學習形式：':
????????????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！

戀習Python
關注戀習Python，Python都好練
好文章，我在看??