Python办公自动化之从Word到Excel

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 大家好,今天有一个公务员的小伙伴委托我给他帮个忙,大概是有这样一份Word(由于涉及文件私密所以文中的具体内容已做修改

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

image

大家好,今天有一个公务员的小伙伴委托我给他帮个忙,大概是有这样一份Word(由于涉及文件私密所以文中的具体内容已做修改)

image

一共有近2600条类似格式的表格细栏,每个栏目包括的信息有:

日期
发文单位
文号
标题
签收栏
需要提取其中加粗的这三项内容到Excel表格中存储,表格样式如下:

image

也就是需要将收文时间、文件标题、文号填到指定位置,同时需要将时间修改为标准格式,如果是完全手动复制和修改时间,依照一个条目10s的时间计算,一分钟可以完成6条,那么最快也需要:

image

而这类格式规整的文件整理非常适合用Python来执行,好的那么接下来请Python出场,必要的信息我在代码中以注释信息呈现。

首先使用Python将Word文件导入

# 导入需要的库docx 
from docx import Document 
 
# 指定文件存放的路径 
path = r'C:\Users\word.docx'  
 
# 读取文件 
document = Document(path) 
 
# 读取word中的所有表格 
tables = document.tables 

再把问题逐个划分,首先尝试获取第一张表第一个文件条目的三个所需信息

# 获取第一张表 
table0 = tables[0] 

仔细观察可以发现一个文件条目占据了3行,所以对表格全部行循环迭代时可以设步长为3

image

注意观察表格,按照row和cell把所需内容解析清楚

# 在全局放一个变量用来计数填序号 
n = 0 
for i in range(0, len(table0.rows) + 1, 3): 
    # 日期 
    date = table0.cell(i, 1).text 
    # 标题 
    title = table0.cell(i + 1, 1).text.strip() 
    # 文号 
    dfn = tables[j].cell(i, 3).text.strip() 
    print(n, date, tite, dfn) 

接下来需要解决的是,时间我们获取的是 2/1 这种 日/月的形式。我们需要转化成 YYYY-MM-DD格式,而这利用到datetime包的strptime和strftime函数:

strptime: 解析字符串中蕴含的时间
strftime: 转化成所需的时间格式

import datetime 
 
n = 0 
for i in range(0, len(table0.rows) + 1, 3): 
    # 日期 
    date = table0.cell(i, 1).text 
    # 有的条目时间是空的,这里不做过多判别 
    if '/' in date: 
        date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d') 
    else: 
        date = '-' 
    # 标题 
    title = table0.cell(i + 1, 1).text.strip() 
    # 文号 
    dfn = tables[j].cell(i, 3).text.strip() 
    print(n, date, tite, dfn) 

这样一张表的内容解析就完成了,注意这里用的是table[0]即第一张表,遍历所有的表加一个嵌套循环就可以,另外也可以捕获异常增加程序灵活性

n = 0 
for j in range(len(tables)): 
    for i in range(0, len(tables[j].rows)+1, 3): 
        try: 
            # 日期 
            date = tables[j].cell(i, 1).text 
            if '/' in date: 
                date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d') 
            else: 
                date = '-' 
            # 标题 
            title = tables[j].cell(i + 1, 1).text.strip() 
            # 文号 
            dfn = tables[j].cell(i, 3).text.strip() 
            n += 1 
            print(n, date, title, dfn) 
        except Exception as error: 
            # 捕获异常,也可以用log写到日志里方便查看和管理 
            print(error) 
            continue 

信息解析和获取完成就可以导出了,用到的包是openpyxl

from openpyxl import Workbook 
 
# 实例化 
wb = Workbook() 
# 获取当前sheet 
sheet = wb.active 
# 设立表头 
header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注'] 
sheet.append(header) 

在最内层解析循环的末尾加上如下代码即可

row = [n, date, ' ', title, dfn, ' '] 
sheet.append(row) 

线程的最后记得保存

wb.save(r'C:\Users\20200420.xlsx') 

运行时间在10分钟左右,大概离开了一会程序就执行结束了

最后附上完整代码,代码很简单,理清思路最重要

from docx import Document 
import datetime 
from openpyxl import Workbook 
 
wb = Workbook() 
sheet = wb.active 
header = ['序号', '收文时间', '办文编号', '文件标题', '文号', '备注'] 
sheet.append(header) 
 
 
path = r'C:\Users\word.docx' 
document = Document(path) 
tables = document.tables 
 
n = 0 
for j in range(len(tables)): 
    for i in range(0, len(tables[j].rows)+1, 3): 
        try: 
            # 日期 
            date = tables[j].cell(i, 1).text 
            if '/' in date: 
                date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d') 
            else: 
                date = '-' 
            # 标题 
            title = tables[j].cell(i + 1, 1).text.strip() 
            # 文号 
            dfn = tables[j].cell(i, 3).text.strip() 
            n += 1 
            print(n, date, title, dfn) 
            row = [n, date, ' ', title, dfn, ' '] 
            sheet.append(row) 
        except Exception as error: 
            # 捕获异常,也可以用log写到日志里方便查看和管理 
            print(error) 
            continue 
 
wb.save(r'C:\Users\20200420.xlsx') 

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-21
本文作者:陈熹
本文来自:“51CTO”,了解相关信息可以关注“51CTO

相关文章
|
8天前
|
机器学习/深度学习 设计模式 测试技术
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
|
16天前
|
存储 数据采集 数据格式
Python自动化Office文档处理全攻略
本文介绍如何使用Python自动化处理Word、Excel和PDF文档,提升办公效率。通过安装`python-docx`、`openpyxl`、`pandas`、`PyPDF2`和`pdfplumber`等库,可以轻松实现读取、修改、创建和批量处理这些文档。具体包括:自动化处理Word文档(如读取、修改内容、调整样式),Excel文档(如读取、清洗、汇总数据),以及PDF文档(如提取文本和表格数据)。结合代码示例和实战案例,帮助你掌握高效办公技巧,减少手动操作的错误率。
38 1
|
2月前
|
机器学习/深度学习 运维 数据可视化
Python时间序列分析:使用TSFresh进行自动化特征提取
TSFresh 是一个专门用于时间序列数据特征自动提取的框架,支持分类、回归和异常检测等机器学习任务。它通过自动化特征工程流程,处理数百个统计特征(如均值、方差、自相关性等),并通过假设检验筛选显著特征,提升分析效率。TSFresh 支持单变量和多变量时间序列数据,能够与 scikit-learn 等库无缝集成,适用于大规模时间序列数据的特征提取与模型训练。其工作流程包括数据格式转换、特征提取和选择,并提供可视化工具帮助理解特征分布及与目标变量的关系。
110 16
Python时间序列分析:使用TSFresh进行自动化特征提取
|
2月前
|
存储 安全 数据可视化
用Python实现简单的任务自动化
本文介绍如何使用Python实现任务自动化,提高效率和准确性。通过三个实用案例展示:1. 使用`smtplib`和`schedule`库自动发送邮件提醒;2. 利用`shutil`和`os`库自动备份文件;3. 借助`requests`库自动下载网页内容。每个案例包含详细代码和解释,并附带注意事项。掌握这些技能有助于个人和企业优化流程、节约成本。
92 3
|
3月前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
436 10
|
18天前
|
分布式计算 Hadoop 大数据
从Excel到Hadoop:数据规模的进化之路
从Excel到Hadoop:数据规模的进化之路
45 10
|
5月前
|
数据采集 存储 JavaScript
自动化数据处理:使用Selenium与Excel打造的数据爬取管道
本文介绍了一种使用Selenium和Excel结合代理IP技术从WIPO品牌数据库(branddb.wipo.int)自动化爬取专利信息的方法。通过Selenium模拟用户操作,处理JavaScript动态加载页面,利用代理IP避免IP封禁,确保数据爬取稳定性和隐私性。爬取的数据将存储在Excel中,便于后续分析。此外,文章还详细介绍了Selenium的基本设置、代理IP配置及使用技巧,并探讨了未来可能采用的更多防反爬策略,以提升爬虫效率和稳定性。
312 4
|
3月前
|
存储 Java easyexcel
招行面试:100万级别数据的Excel,如何秒级导入到数据库?
本文由40岁老架构师尼恩撰写,分享了应对招商银行Java后端面试绝命12题的经验。文章详细介绍了如何通过系统化准备,在面试中展示强大的技术实力。针对百万级数据的Excel导入难题,尼恩推荐使用阿里巴巴开源的EasyExcel框架,并结合高性能分片读取、Disruptor队列缓冲和高并发批量写入的架构方案,实现高效的数据处理。此外,文章还提供了完整的代码示例和配置说明,帮助读者快速掌握相关技能。建议读者参考《尼恩Java面试宝典PDF》进行系统化刷题,提升面试竞争力。关注公众号【技术自由圈】可获取更多技术资源和指导。
|
7月前
|
关系型数据库 MySQL Shell
不通过navicat工具怎么把查询数据导出到excel表中
不通过navicat工具怎么把查询数据导出到excel表中
78 0
|
5月前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
297 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档

热门文章

最新文章