Python办公自动化之从Word到Excel

2023-02-27

text date cell

 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)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：也就是需要将收文

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)

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：

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：

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 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

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] 
1.
2.

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

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) 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

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) 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.

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 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.

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) 
1.
2.
3.
4.
5.
6.
7.
8.
9.

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) 
1.
2.

线程的最后记得保存

wb.save(r'C:\Users\20200420.xlsx') 
1.

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') 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.