基于python的docx模块处理word和WPS的docx格式文件方式

今天小编就为大家分享一篇基于python的docx模块处理word和WPS的docx格式文件方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Python docx module for Word or WPS processing

本文是通过docx把word中的表格中的某些已填好的内容提取出来，存入excel表格。

首先安装docx的python模块：

pip install python-docx

由于处理的为中文和符号，改成utf-8编码格式

 import sys reload(sys) sys.setdefaultencoding('utf-8') from docx import Document import pandas as pd

 # 打开文件 doc = Document(ur'test_1.docx')

为了处理word中以对勾形式勾选的项目，采用下面的方法

1、十字路口 √ 2、丁字路口 3、环形路口 4、人行立交

 # 取出对号勾选的项目 print doc.tables[0].rows[3].cells[2].text print doc.tables[0].rows[3].cells[2].text.split(u'√')[1].strip().split(' ')[0][2:] '√' in doc.tables[0].rows[3].cells[2].text # 这个语句可以测试是否含有对勾， # 有的话就取出对勾后面的item，否则直接返回填空的text

True

 num_rows = len(doc.tables[0].rows) print num_rows

xls = pd.read_csv(ur'output.csv')

 print xls.columns[0] diction = {}

 # 找到每个excel文档中需要被记录的键值在docx文档表格中的位置 for xlskey in xls.columns: for row_id in range(num_rows): row = doc.tables[0].rows[row_id] for cell_id in range(len(row.cells)): if row.cells[cell_id].text.strip() == xlskey.strip(): diction[xlskey] = [row_id, cell_id]

 # 查看一下获得的键值位置 for key in list(diction.keys()): print key, diction[key]

楼层数 [21, 1]

宗地形状 [4, 1]

使用权取得时间 [14, 1]

采光通风状况 [19, 1]

已使用年限 [21, 4]

建筑朝向 [7, 1]

房屋结构 [17, 1]

交叉路口形式 [3, 1]

临街状况 [8, 1]

建筑容积率 [10, 5]

楼宇名称 [15, 5]

质量等级 [18, 1]

周围土地利用类型 [11, 1]

总建筑面积 [20, 1]

宗地位置 [0, 1]

所临道路名称 [2, 1]

装修标准 [16, 1]

那么我们认为这些表头键值对应的填入数据就在他们的右边，也就是下一个cell，因此我们只需要将row id不变，cell＋1，就能取出填表内容。

 # 开始填表！！！ for each_column in xls.columns: pos = diction[each_column] textion = doc.tables[0].rows[pos[0]].cells[pos[1] + 1].text if u'√' in textion: this_text = textion.strip(' ').split(u'√')[1].split()[0][2:] else: this_text = textion xls.loc[0, each_column] = this_text

xls

	楼宇名称	宗地位置	所临道路名称	交叉路口形式	宗地形状	建筑朝向	临街状况	周围土地利用类型	装修标准	房屋结构	质量等级	采光通风状况	总建筑面积	楼层数	已使用年限	建筑容积率	使用权取得时间
0	百兴花园	鄂州市鄂城区凤凰路47-11号	凤凰路	丁字路口	多边形	南	离街	商业用地	豪华	1、钢 2、钢、钢混 3、钢混 4、混合 5、砖木 6、其它	完好	好	122.7平方米	8	13年