用Python寫(xiě)幾行代碼，一分鐘搞定一天工作量，同事直呼：好家伙！

回復(fù)“書(shū)籍”即可獲贈(zèng)Python從入門(mén)到進(jìn)階共10本電子書(shū)

前幾天有一個(gè)讀者說(shuō)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(lái)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(kāi)格式基本類(lèi)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(lái)，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(lái)有快 1000 份（四年開(kāi)了這么多次會(huì)也是很厲害...），用人力挨個(gè)打開(kāi)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(wú)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(lái)看看如何用Python解決這個(gè)問(wèn)題，主要將涉及：

• openpyxl 寫(xiě)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

基本邏輯

寫(xiě)代碼之前都先明確完整的問(wèn)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：

有了邏輯就有了寫(xiě)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(shuō)過(guò)，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(shí)現(xiàn)

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(xiě)任何批處理的代碼之前都建議先寫(xiě)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(wú)誤。現(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(guò)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(lái)說(shuō)，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(guò) sheet.append(list) 的方法寫(xiě)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(guò)三十行代碼，總共不過(guò)三秒就搞定了！

-------------------?End?-------------------