python读取word详解【from docx import Document】，2024年最新2024年大数据开发春招面试经历

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

PyCharm打开效果：

Excel打开效果：

---

前言

我们平时工作的时候会有很多的时候会遇到需要将word里面的有些杂乱的数据格式化到Excel中去，但是如果手动操作那真是【超级无语】，很崩溃，几百页的word让你慢慢复制粘贴，会死掉的。所以我们需要使用程序来完成，使用python先通过【docx】的包将word中的文字逐行读取出来，再根据行的数据格式进行数据清洗，清洗成对应的列表数据，批量写入Excel即可，这里我写入的是【CSV】文件，也可以通过Excel直接打开的。

环境

系统：win10

工具：PyCharm Community Edition 2021.3.1

解析目标类型：*.docx文件

输出目标类型：*.csv文件

需要用包：pip install docx

使用技巧：字符串处理

示例字符串

1、（ A ）不可存放于码头普通仓库内。

A、爆炸品          B、棉料              C、煤粉

2、（ A ）负责核发危险化学品及其包装物、容器生产企业的工业产品生产许可证，并依法对其产品质量实施监督，负责对进出口危险化学品及其包装实施检验。

A、质量监督检验检疫部门     B、安全生产监督局      C、公安部门

3、（ A ）告诉我们，构成管理系统的各要素是运动和发展的，它们相互联系又相互制约。在生产经营单位建立、健全安全生产责任制是对这一原则的应用。

A、动力相关性原则      B、动力原则        C、人本原理

4、（ A ）即根据演练工作需要，采取必要安全防护措施，确保参演、观摩等人员以及生产运行系统安全。

A、演练工作安全保障            B、安全防护措施         C、系统安全

5、（ A ）建立健全应急物资储备保障制度，完善重要应急物资的监管、生产、储备、调拨和紧急配送体系。

A、国家              B、社会               C、企业

下载环境

pip install docx

导入环境

from docx import Document
import csv
import uuid

import re

Document读取word

from docx import Document
import csv
import uuid
import re

file = Document("word.docx")

print(file)

输出对象查看是否读取成功，可以看到有对象的输出，代表读取成功。

使用【paragraphs】获取段落信息，可以看出输出的文字。

行拆分

拆分题目行与选择行

from docx import Document
import csv
import uuid
import re

file = Document("word.docx")
# 拆分依据
info = r"（ A ）|（ B ）|（ C ）|（  ）"
# 输出样式
header_list2 = ["题型", "难度", "题目问题", "正确答案", "选项A", "选项B", "选项C"]
# 获取file的段落对象
for item in file.paragraphs:
    # 正则区分行
    te = re.search(info, item.text)
    print(te)

测试输出效果：

信息分析

正则判断根据答案进行判断的，如果这个行有就能输出，如果没有也就是选项那么就会输出【None】，所以我们判断一下是否等于【None】来区分题目行与选项行。

数据分组

from docx import Document
import csv
import uuid
import re

file = Document("word.docx")
# 拆分依据
info = r"（ A ）|（ B ）|（ C ）|（  ）"
# 输出样式
header_list2 = ["题型", "难度", "题目问题", "正确答案", "选项A", "选项B", "选项C"]
# 用于最终存储
data_list = []
# 用于存储集合·前两项固定的可以直接写上·我们主要拆分后面5列
list_child = ["单选", "1", "", "", "", "", ""]
# 获取file的段落对象
for item in file.paragraphs:
    # 正则区分行
    te = re.search(info, item.text)
    if te != None:
        if list_child[2] != "":
            data_list.append(list_child)
        list_child = ["单选", "1", "", "", "", "", ""]
        list_child[2] = item.text.replace(item.text[te.span()[0]:te.span()[1]], "（   ）")


**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
![img](https://img-blog.csdnimg.cn/img_convert/3ba5022afa111001cb5e94fadad3442a.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
[外链图片转存中...(img-EfjaXdvI-1713319090662)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**