文章來源：早起Python 作者：陳熹
大家好，今天有一個公務員的小夥伴委託我給他幫個忙，大概是有這樣一份Word(由於涉及文件私密所以文中的具體內容已做修改)
一共有近2600條類似格式的表格細欄，每個欄目包括的信息有：
- 日期
- 發文單位
- 文號
- 標題
- 簽收欄
需要提取其中加粗的這三項內容到Excel表格中存儲，表格樣式如下：
也就是需要將收文時間、文件標題、文號填到指定位置，同時需要將時間修改為標準格式，如果是完全手動複製和修改時間，依照一個條目10s的時間計算，一分鐘可以完成6條，那麼最快也需要：
而這類格式規整的文件整理非常適合用Python來執行，好的那麼接下來請Python出場，必要的信息我在代碼中以註釋信息呈現。
首先使用Python將Word文件導入
# 導入需要的庫docx
from docx import Document
# 指定文件存放的路徑
path = r'C:\Users\word.docx'
# 讀取文件
document = Document(path)
# 讀取word中的所有表格
tables = document.tables
再把問題逐個劃分，首先嚐試獲取第一張表第一個文件條目的三個所需信息
# 獲取第一張表
table0 = tables[0]
仔細觀察可以發現一個文件條目佔據了3行，所以對錶格全部行循環迭代時可以設步長為3
注意觀察表格，按照row和cell把所需內容解析清楚
# 在全局放一個變量用來計數填序號
n = 0
for i in range(0, len(table0.rows) + 1, 3):
# 日期
date = table0.cell(i, 1).text
# 標題
title = table0.cell(i + 1, 1).text.strip()
# 文號
dfn = tables[j].cell(i, 3).text.strip()
print(n, date, tite, dfn)
接下來需要解決的是，時間我們獲取的是 2/1 這種 日/月的形式。我們需要轉化成 YYYY-MM-DD格式，而這利用到datetime包的strptime和strftime函數：
- strptime: 解析字符串中蘊含的時間
- strftime: 轉化成所需的時間格式
#import datetime
n = 0
for i in range(0, len(table0.rows) + 1, 3):
# 日期
date = table0.cell(i, 1).text
# 有的條目時間是空的，這裡不做過多判別
if '/' in date:
date = datetime.datetime.strptime(date, '%d/%m').strftime('2020-%m-%d')
else:
date = '-'
# 標題
title = table0.cell(i + 1, 1).text.strip()
# 文號
dfn = tables[j].cell(i, 3).text.strip()
print(n, date, tite, dfn)
這樣一張表的內容解析就完成了，注意這裡用的是table[0]即第一張表，遍歷所有的表加一個嵌套循環就可以，另外也可以捕獲異常增加程序靈活性
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 = '-'
# 標題
title = tables[j].cell(i + 1, 1).text.strip()
# 文號
dfn = tables[j].cell(i, 3).text.strip()
n += 1
print(n, date, title, dfn)
except Exception as error:
# 捕獲異常，也可以用log寫到日誌裡方便查看和管理
print(error)
continue
信息解析和獲取完成就可以導出了，用到的包是openpyxl
from openpyxl import Workbook
# 實例化
wb = Workbook()
# 獲取當前sheet
sheet = wb.active
# 設立表頭
header = ['序號', '收文時間', '辦文編號', '文件標題', '文號', '備註']
sheet.append(header)
在最內層解析循環的末尾加上如下代碼即可
row = [n, date, ' ', title, dfn, ' ']
sheet.append(row)
線程的最後記得保存
wb.save(r'C:\Users\20200420.xlsx')
運行時間在10分鐘左右，大概離開了一會程序就執行結束了
最後附上完整代碼，代碼很簡單，理清思路最重要
#from docx import Document
import datetime
from openpyxl import Workbook
wb = Workbook()
sheet = wb.active
header = ['序號', '收文時間', '辦文編號', '文件標題', '文號', '備註']
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 = '-'
# 標題
title = tables[j].cell(i + 1, 1).text.strip()
# 文號
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:
# 捕獲異常，也可以用log寫到日誌裡方便查看和管理
print(error)
continue
wb.save(r'C:\Users\20200420.xlsx')
如果你覺得文章不錯的話，分享、收藏、在看是對猴哥的最大支持，是猴哥持續創作的動力
