小菜鸟的Python笔记002：如何识别Word文档中的复选框

---

前言

我在做将Word文档中数据汇总到Excel表格（小菜鸟的Python笔记001：将Word文档中数据汇总到Excel表格）的过程中遇到了一个问题，直接提取文档中的复选控件，是无法识别它有没有被选中。在网上找了好久都没有找到相应的解决方法，我苦思冥想了好久，终于想到了一个比较曲折的方法，如果有更好的方法，欢迎来和我交流！

一、程序思路及准备工作

程序思路：

我想，我用win32com库调用Word打开后直接提取无法识别，那Word是如何识别到它，然后把它显示出来的呢？后来我想到了，如果把它转为html，那浏览器是否能够识别呢？我试了一下，用浏览器打开它，能够正常显示，我再打开调试模式，找到复选框对应的标签，发现在html中已打勾的复选框表示的符号为"þ"或者"R"，未选中的为”o“或者”··“。故我想到了以下方法：
1、将Word文档转为html格式
2、读入html文件
3、用Xpath提取对应标签信息
4、判断是否打勾

准备工作：

这里用到了lxml这个库中的etree函数，它可将html转为xpath可识别的xml

二、使用步骤

1.引入库

from lxml import etree

2.将Word文档转为html并读入

html_path="D:\T5.html"
do