因为这个人办公过程中，接到了收集几十个Word申请表，还需要我自己把里面的信息一条条复制粘贴到Excel表格里面的离谱工作，所以有了本篇代码。
代码注释非常详细，而且安装好库就能用，所以就少写点啦
需要的库不多：pandas，python-docx，pywin32。使用pip或者conda可以直接安装
当然，再好用的东西也得你自己告诉他你要什么是不是？
所以: 你的word在哪儿：files_path
给一张空表参考一下：Ffile
你想让它汇总什么：need_keys
你的逆天命名方式总有一些相似的地方吧：name_keys
它应该会持续更新，我也在代码里面留下了一些我忘记了是做什么用的变量，它们不会影响使用，但最好不要动它们。
# -*-coding:utf-8-*-
import os
import pandas as pd
from docx import Document
from win32com import client as wc
files_path = r'C:\Users\Desktop\code\work'
Ffile = r'C:\Users\Desktop\code\表.docx'
need_keys = '姓 名，性别，手 机，备注'
name_keys = '申请表'
""" 本代码建立在python-docx包的合并单元格
实际储存格式为子单元格存有相同数值的基础上
当这一数据结构改变时，本代码需要更新，
否则将不再具有使用价值
暂时只能读一个word中只有一个表格的情况
python-docx基于储存格式和dict不允许相同key的基础上，
所需要素：
1.未填信息的word空表（格式文件）
2.需要汇总的信息，以中文逗号分隔
如'姓名，性别，联系方式'
3.文件夹所在路径
4.文件名关键字
代码原理如下：
将原本的word空表（即格式文件）读入字典，在字典中建立列表
遍历列表，填充字典
删除不需要的信息
2023.02.22更新，用列表替换原本的字符串，
解决了如：属性（是否大帅比）值（是）引起的读取错误
"""
class read_table:
def __init__(self, file_path, keys, format_file, name_keys):
self.file_path = file_path # 文件最大父目录
self.keys = keys # 所需信息
self.format_file = format_file # 格式文件
self.name_keys = name_keys # 文件名关键字
def build_list(self, name_keys): # 文件列表建立函数
file_list = [] # 文件列表
word = wc.Dispatch("Word.Application") # 调用Word程序，用以完成doc转docx功能
for root, dirs, files in os.walk(self): # 遍历所有文件名
for name in files:
if name.startswith('~$'): # 跳过临时文件
continue
elif name.split('.')[-1] == 'doc': # 若为doc 转换文件格式为docx
name = os.path.join(root, name) # 获取文件路径
docx = word.Documents.Open(name) # 打开word文件
docx.SaveAs("{}x".format(name), 12) # 另存为后缀为".docx"的文件，其中参数12指docx文件
docx.Close() # 关闭原来word文件
os.remove(name) # 移除原有doc文件
if name_keys =='': # 2023.02.22更新，可以不指定文件名中的关键字
file_list.append("{}x".format(name))
else:
for key in name_keys.split('，'): # 判断该word文件是否为需要的文件
if name.find(key) != -1:
file_list.append("{}x".format(name)) # 记录文件名
break
elif name.split('.')[-1] == 'docx': # docx直接进入判断
if name_keys == '': #同上
file_list.append(os.path.join(root, name))
else:
for key in name_keys.split('，'):
if name.find(key) != -1:
file_list.append(os.path.join(root, name))
break
word.Quit() # 遍历结束，退出word程序
print('*' * 20)
print('程序初始化完成！')
print('*' * 20)
return file_list # 返回文件列表
def read(self): # 主函数
file_list = read_table.build_list(self.file_path, self.name_keys) # 建立文件列表
main_dict = {} # 建立数据字典
rows = Document(self.format_file).tables[0].rows # 读取格式文件中的表格
for row in rows: # 读取属性，以字典键的形式储存
for cell in row.cells:
if cell.text != '':
main_dict[cell.text] = []
check_str = [] # 字典属性记录字符串
dim_str = '' # 多余属性记录字符串
for key in main_dict.keys():
check_str.append(key)
for each_file in file_list: # 对于每个文件
print('开始读取文件：')
print(each_file)
rows = Document(each_file).tables[0].rows # 获取表格
i = 0 # 行号
j = 0 # 列号
d = 0 # 值，竖向搜索控制
k = 0 # 值，横向搜索控制
key = '' # 当前属性
while i < len(rows):
# 开始遍历表格，循环判断条件并没有什么作用，只是还没有进行代码重构
# 循环的正常进行由代码中的continue和break来控制
if d == 0: # 好吧，我也不知道它是干啥的1111111111111111111111111111111111111111111111111111111111111
j = 0
while j < len(rows[i].cells): # 循环的作用是保证实现任务目标前代码不会终止
if d == 0 and k != 1: # 正常遍历
if not rows[i].cells[j].text in check_str or rows[i].cells[j].text == key:
j += 1 # 上述的判断保证了值和重复关键字不会被作为中心单元格
continue
else: # 以当前格子的文本为属性
key = rows[i].cells[j].text
if j == len(rows[i].cells) - 1: # 当这个格子是改行的最后一个格子时，需要特殊对待
if rows[i].cells[j - 1] == rows[i].cells[j]:
break # 该格子的值和前一个格子相等，下一行
elif not rows[i].cells[j].text in check_str:
main_dict[key].append(rows[i].cells[j].text)
i += 1 # 当前格子是个值，记录一下，下一行
break
else:
d = 1 # 当前格子是个新属性，向下搜索
continue
if rows[i + 1].cells[j].text in check_str: # 当属性下方还是属性，
if key == rows[i + 1].cells[j].text: # 它们还相等
if rows[i].cells[j + 1].text in check_str:
j += 1 # 右侧也是个属性，下一格
continue
elif rows[i].cells[j + 1].text == rows[i + 1].cells[j + 1].text:
main_dict[key].append(rows[i].cells[j + 1].text)
j += 1 # 右边和右下角是两个相等的值，记录，下一格，下一个属性
key = ''
continue
else: # 它们不相等
if rows[i].cells[j + 1].text in check_str:
key = '' # 右侧是个属性，下一格，下一个属性
j += 1
continue
else:
main_dict[key].append(rows[i].cells[j + 1].text)
j += 1 # 右侧是个值，记录，开始横向搜索
k = 1
continue
else: # 属性下方是个值，记录，竖向搜索
main_dict[key].append(rows[i + 1].cells[j].text)
i += 1
d += 1 # 向下搜索
continue
elif k == 1: # 横向搜索中，
if rows[i].cells[j].text == rows[i].cells[j + 1].text or (
rows[i].cells[j + 1].text in check_str):
key = '' # 右侧的值和当前值相等或者右侧是个属性，
k = 0 # 下一格，下一个属性，终止横向搜索
j += 1
continue
else: # 记录该值，继续横向搜索
main_dict[key].append(rows[i].cells[j + 1].text)
j += 1
continue
else: # 竖向搜索中
if not rows[i + 1].cells[j].text in check_str: # 值下方是个值
if j != len(rows[i + 1].cells) - 1: # 不是最后一格
if rows[i + 1].cells[j].text != rows[i + 1].cells[j + 1].text:
main_dict[key].append(rows[i + 1].cells[j].text)
i += 1 # 下方的值与右下角的值不等，记录值，继续向下
d += 1 # 向下搜索
continue
else: # 终止向下搜索，返回开始位置，下一格
i = i - d
j += 1
d = 0
continue
else: # 最后一格时，因为右侧无法进行判断，与左侧格子进行对比
if rows[i + 1].cells[j - 1].text != rows[i + 1].cells[j].text:
main_dict[key].append(rows[i + 1].cells[j].text) # 记录值
i += 1
d += 1 # 向下搜索
continue
else:
i = i - d + 1
d = 0
j += 1
else: # 值下方是个属性，终止向下搜索
if j == len(rows[i].cells) - 1:
i = i - d + 1
else:
i = i - d
j += 1
d = 0
continue
i += 1 # 一行走完了就要下一行啊
if i == len(rows) - 1: # 最后一行不能和下方单元格进行判断
j = 0
if not rows[i].cells[0].text in check_str or \
rows[i].cells[0].text == rows[i - 1].cells[0].text:
# 开头是个值，或者当前格子的内容与上方格子内容一样，终止搜索
break
else:
while j < len(rows[i].cells) - 1:
if rows[i].cells[j].text in check_str: # 当前格子是个属性
if not rows[i].cells[j + 1].text in check_str: # 右侧和它不相等，记录，下一格
main_dict[rows[i].cells[j].text].append(rows[i].cells[j + 1].text)
j += 1
else:
j += 1
break
check_keys = [] # 记录字典属性
for key in main_dict.keys():
check_keys.append(key)
i = 0
j = 1
while i < len(check_keys) - 1: # 对比字典属性
if check_keys[i].find(check_keys[j]) != -1: # 若某属性被其他属性所包含
if dim_str.find(check_keys[j]) == -1: # 记录该属性
dim_str += check_keys[j] + '，'
for value in main_dict[check_keys[j]]: # 将子属性值追加至父属性值列表，清空子属性
if value != '':
main_dict[check_keys[i]].append(value)
main_dict[check_keys[j]].remove(value)
j += 1
elif check_keys[j].find(check_keys[i]) != -1:
if dim_str.find(check_keys[i]) == -1:
dim_str += check_keys[i] + '，'
for value in main_dict[check_keys[i]]:
if value != '':
main_dict[check_keys[j]].append(value)
main_dict[check_keys[i]].remove(value)
j += 1
else:
j += 1
if j >= len(check_keys) - 1:
i += 1
j = i + 1
list_length = 0 # 属性值列表长度最大值
for key in main_dict.keys():
if list_length < len(main_dict[key]):
list_length = len(main_dict[key])
for key in main_dict.keys(): # 用空值填补较短列表
while len(main_dict[key]) < list_length:
main_dict[key].append('')
print('*' * 10)
print('文件读取完毕，开始写入结果！')
print('*' * 10)
final_check = [] # 记录列表属性
for key in main_dict.keys():
final_check.append(key)
for table_key in final_check: # 对每个列表属性，若不被需要，删除
n = 0
if self.keys.find(table_key) == -1:
for key in dim_str.split('，'):
if table_key.find(key) != -1 and key != '':
del main_dict[key]
n = 1
break
if n == 0:
del main_dict[table_key]
df = pd.DataFrame(main_dict) # 将字典写入DataFrame，保存为excel文件
df.to_excel(os.path.join(self.file_path, 'result.xlsx'))
print('结果文件已保存至：' + os.path.join(self.file_path, 'result.xlsx'))
if __name__ == "__main__":
T = read_table(files_path,need_keys ,
Ffile, '')
T.read()
既然你看到这儿了，说明你可能要参考或者要用这个东西，有什么问题或者建议记得告诉我哈，
邮箱在这儿：mrlonely0@163.com
高情商：我的python还有非常大的进步空间
低情商：我啥都不会
扫一扫
610
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
