【python办公自动化】将Word文本和Pdf表格数据提取并整合到同一个Exeel下的多sheet中

1. 背景及前期准备

1.1 背景介绍

在参加比赛过程中，需要获取江苏省科学技术奖近十年的数据，因此需要在官网上获取相应的数据，再查找数据的过程中发现，官网中给出的数据，并不是完整的可以直接拿来用的

比如：

① 2018-2019年的人员及项目名单是pdf的形式给出，

② 2015、2017年的内容直接附在发布的公告后面（纯文字的）

③ 2008-2011、 2014、2016年的内容是以doc的形式给出

④ 2012-2013年的可以找到xls形式数据

因此需要将数据进行整合，数据最后的表现形式就是每一年的数据，都提取整合到Excel表中。

具体要求：

① 将doc、pdf和网页里面的文字数据提取到Excel表格中，表格的名称为：xxx年年度江苏省科学技术奖.xlsx

② 将一、二、三等奖数据分别放置在该表格下的三个sheet中，sheet的名称为：一等奖、二等奖、三等奖

1.2 需要安装的库

这里用到python自带的库：os库（系统文件创建）、re（字符数据匹配）、glob（文件路径选择࿰