Python办公自动化之从Word到Excel

本文涉及的产品
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
全局流量管理 GTM,标准版 1个月
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
|
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。 ####
418 10
|
4月前
|
数据采集 监控 数据挖掘
Python自动化脚本:高效办公新助手###
本文将带你走进Python自动化脚本的奇妙世界,探索其在提升办公效率中的强大潜力。随着信息技术的飞速发展,重复性工作逐渐被自动化工具取代。Python作为一门简洁而强大的编程语言,凭借其丰富的库支持和易学易用的特点,成为编写自动化脚本的首选。无论是数据处理、文件管理还是网页爬虫,Python都能游刃有余地完成任务,极大地减轻了人工操作的负担。接下来,让我们一起领略Python自动化脚本的魅力,开启高效办公的新篇章。 ###
|
3月前
|
Python Windows
Python实现常用办公文件格式转换
本文介绍了如何使用Python及其相关库(如`pandas`、`openpyxl`、`python-docx`等)实现办公文件格式间的转换,包括XLS转XLSX、DOC转DOCX、PPT转PPTX、Word转PDF及PDF转Word,并提供了具体代码示例和注意事项。
237 89
|
20天前
|
机器学习/深度学习 存储 数据可视化
这份Excel+Python飞速搞定数据分析手册,简直可以让Excel飞起来
本书介绍了如何将Python与Excel结合使用,以提升数据分析和处理效率。内容涵盖Python入门、pandas库的使用、通过Python包操作Excel文件以及使用xlwings对Excel进行编程。书中详细讲解了Anaconda、Visual Studio Code和Jupyter笔记本等开发工具,并探讨了NumPy、DataFrame和Series等数据结构的应用。此外,还介绍了多个Python包(如OpenPyXL、XlsxWriter等)用于在无需安装Excel的情况下读写Excel文件,帮助用户实现自动化任务和数据处理。
|
2月前
|
数据可视化 数据挖掘 大数据
1.1 学习Python操作Excel的必要性
学习Python操作Excel在当今数据驱动的商业环境中至关重要。Python能处理大规模数据集,突破Excel行数限制;提供丰富的库实现复杂数据分析和自动化任务,显著提高效率。掌握这项技能不仅能提升个人能力,还能为企业带来价值,减少人为错误,提高决策效率。推荐从基础语法、Excel操作库开始学习,逐步进阶到数据可视化和自动化报表系统。通过实际项目巩固知识,关注新技术,为职业发展奠定坚实基础。
|
4月前
|
Java 测试技术 持续交付
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路
本文重点讲解如何搭建App自动化测试框架的思路,而非完整源码。主要内容包括实现目的、框架设计、环境依赖和框架的主要组成部分。适用于初学者,旨在帮助其快速掌握App自动化测试的基本技能。文中详细介绍了从需求分析到技术栈选择,再到具体模块的封装与实现,包括登录、截图、日志、测试报告和邮件服务等。同时提供了运行效果的展示,便于理解和实践。
224 4
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路
|
4月前
|
数据采集 IDE 测试技术
Python实现自动化办公:从基础到实践###
【10月更文挑战第21天】 本文将探讨如何利用Python编程语言实现自动化办公,从基础概念到实际操作,涵盖常用库、脚本编写技巧及实战案例。通过本文,读者将掌握使用Python提升工作效率的方法,减少重复性劳动,提高工作质量。 ###
115 1
|
3月前
|
机器学习/深度学习 前端开发 数据处理
利用Python将Excel快速转换成HTML
本文介绍如何使用Python将Excel文件快速转换成HTML格式,以便在网页上展示或进行进一步的数据处理。通过pandas库,你可以轻松读取Excel文件并将其转换为HTML表格,最后保存为HTML文件。文中提供了详细的代码示例和注意事项,帮助你顺利完成这一任务。
131 0
|
16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
44 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。
305 4

热门文章

最新文章