基于python的docx模块处理word和WPS的docx格式文件方式
94 浏览量
2020-12-20
16:11:37
上传
评论 1
收藏 66KB PDF 举报
基于基于python的的docx模块处理模块处理word和和WPS的的docx格式文件方格式文件方
式式
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。
首先安装首先安装docx的的python模块：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]
资源评论
