一站式文件搜索：使用 Python 在多种文件格式中寻找文本

是帮朋友写的码，在原作者的基础上进行的升级：http://t.csdnimg.cn/2wpd

一、功能实现

允许自己定义次数，在指定的路径进行文件搜索想要的内容，支持的文件格式为 txt，xlsx, docx 格式，并且在每次搜索之后都有一个搜索判断

代码流程
请求用户输入查询次数。
循环，直到完成所有查询或用户选择退出。
在每次循环中：
请求用户输入搜索路径、关键字和文件类型。
根据文件类型，调用相应的搜索函数（get_doc_dir, get_excel_dir, get_txt_dir）。
如果找到匹配的文件，打印文件路径。
循环结束后，如果还有剩余的搜索次数，询问用户是否继续搜索。

二、安装包需求

pip install python-docx
pip install xlrd==1.2.0

因为只有旧版本的xlrd库支持 .xlsx 和 .xls格式的excel文件

三、源码解释

导入模块

• docx: 用于操作 Word 文档。
• os: 用于文件和目录操作。
• xlrd: 用于读取 Excel 文件。

get_doc_dir 函数

遍历 Word 文档的所有段落和表格，查找是否包含指定的文本。

def get_doc_dir(tr_text, path):
    """
    在 Word 文档中搜索特定文本。
    :param tr_text: 要搜索的文本。
    :param path: Word 文档的路径。
    :return: 如果找到文本，返回 True，否则返回 False。
    """
    document = Document(path)
    all_paragraphs = document.paragraphs
    for paragraph in all_paragraphs:
        if tr_text in paragraph.text:
            return True
    all_tables = document.tables
    for table in all_tables:
        for row in table.rows:
            for cell in row.cells:
                if tr_text in cell.text:
                    return True
    return False

get_excel_dir 函数

遍历 Excel 文件的所有单元格，查找是否包含指定的文本。

def get_excel_dir(tr_text, path):
    """
    在 Excel 文件中搜索特定文本。
    :param tr_text: 要搜索的文本。
    :param path: Excel 文件的路径。
    :return: 如果找到文本，返回 True，否则返回 False。
    """
    book = xlrd.open_workbook(path)
    for sheet_name in book.sheet_names():
        sheet = book.sheet_by_name(sheet_name)
        for i in range(sheet.nrows):
            for j in range(sheet.ncols):
                if sheet.cell(i, j).ctype == 1 and tr_text in sheet.cell(i, j).value:
                    return True
    return False

get_txt_dir 函数

尝试使用多种字符编码（如 utf-8, gbk, latin1, windows-1252, ansi）来读取 TXT 文件，并搜索特定文本。
如果想搜索其他编码的文本，可以自行添加或修改

def get_txt_dir(tr_text, path):
    """
    在 TXT 文件中尝试多种编码搜索特定文本。
    :param tr_text: 要搜索的文本。
    :param path: TXT 文件的路径。
    :return: 如果找到文本，返回 True，否则返回 False。
    """
    encodings = ['utf-8', 'gbk', 'latin1','windows-1252','ansi']  # 编码列表
    for encoding in encodings:
        try:
            with open(path, 'r', encoding=encoding) as file:
                for line in file:
                    if tr_text in line:
                        return True
                break  # 如果文件成功读取，跳出编码循环
        except UnicodeDecodeError:
            pass  # 如果当前编码失败，尝试下一个编码
        except IOError:
            print(f"Error: Could not read file {path}")
            break  # 如果发生IO错误，跳出循环

    return False

主程序

允许用户输入搜索次数、路径、关键字和文件类型。根据用户输入的信息，在指定路径下的特定类型文件中搜索关键字。

if __name__ == '__main__':
    i = int(input('请输入你想查询的次数:'))
    while(i):
        i -= 1
    # tr_dir = r'D:\University\myself\个人'
        tr_dir = input('请输入你想要查找的路径:')
        tr_text = input('请输入关键字:')
        file_type = input('请输入想要查找的文件类型（例如：docx, xlsx, txt）:').lower()
        for root, dirs, files in os.walk(tr_dir):
            for file_name in files:
                full_path = os.path.join(root, file_name)
                # Skip temporary or hidden files (often start with ~ or .)
                if file_name.startswith('~') or file_name.startswith('.'):
                    continue

                full_path = os.path.join(root, file_name)
                if file_type == 'docx' and file_name.lower().endswith(('.docx', '.doc')):
                    if os.path.exists(full_path):  # Check if the file exists
                        try:
                            if get_doc_dir(tr_text, full_path):
                                print(full_path)
                        except Exception as e:
                            print(f"Error processing file {full_path}: {e}")
                elif file_type == 'xlsx' and file_name.lower().endswith(('.xlsx', '.xls')):
                    if get_excel_dir(tr_text, full_path):
                        print(full_path)

                elif file_type == 'txt' and file_name.lower().endswith('.txt'):
                    if get_txt_dir(tr_text, full_path):
                        print(full_path)

        if i == 0:
            print("查询次数已用完。")
        if i != 0:
            judge = input("是否继续搜索? 请输入Y/N: ")
            if judge.upper() == 'N':  # Check if input is 'N' or 'n'
                break  # Exit loop if input is not 'Y'

四、代码源码

from docx import Document
import os, xlrd


def get_doc_dir(tr_text, path):
    """
    Search for specific text in a Word document.
    :param tr_text: Text to search for.
    :param path: Path to the Word document.
    :return: True if the text is found, False otherwise.
    """
    document = Document(path)
    all_paragraphs = document.paragraphs
    for paragraph in all_paragraphs:
        if tr_text in paragraph.text:
            return True
    all_tables = document.tables
    for table in all_tables:
        for row in table.rows:
            for cell in row.cells:
                if tr_text in cell.text:
                    return True
    return False


def get_excel_dir(tr_text, path):
    """
    Search for specific text in an Excel file.
    :param tr_text: Text to search for.
    :param path: Path to the Excel file.
    :return: True if the text is found, False otherwise.
    """
    book = xlrd.open_workbook(path)
    for sheet_name in book.sheet_names():
        sheet = book.sheet_by_name(sheet_name)
        for i in range(sheet.nrows):
            for j in range(sheet.ncols):
                if sheet.cell(i, j).ctype == 1 and tr_text in sheet.cell(i, j).value:
                    return True
    return False


def get_txt_dir(tr_text, path):
    """
    Search for specific text in a TXT file with multiple encoding attempts.
    :param tr_text: Text to search for.
    :param path: Path to the TXT file.
    :return: True if the text is found, False otherwise.
    """
    encodings = ['utf-8', 'gbk', 'latin1','windows-1252','ansi']  # 编码列表
    for encoding in encodings:
        try:
            with open(path, 'r', encoding=encoding) as file:
                for line in file:
                    if tr_text in line:
                        return True
                break  # 如果文件成功读取，跳出编码循环
        except UnicodeDecodeError:
            pass  # 如果当前编码失败，尝试下一个编码
        except IOError:
            print(f"Error: Could not read file {path}")
            break  # 如果发生IO错误，跳出循环

    return False


if __name__ == '__main__':
    i = int(input('请输入你想查询的次数:'))
    while(i):
        i -= 1
    # tr_dir = r'D:\University\myself\个人'
        tr_dir = input('请输入你想要查找的路径:')
        tr_text = input('请输入关键字:')
        file_type = input('请输入想要查找的文件类型（例如：docx, xlsx, txt）:').lower()
        for root, dirs, files in os.walk(tr_dir):
            for file_name in files:
                full_path = os.path.join(root, file_name)
                # Skip temporary or hidden files (often start with ~ or .)
                if file_name.startswith('~') or file_name.startswith('.'):
                    continue

                full_path = os.path.join(root, file_name)
                if file_type == 'docx' and file_name.lower().endswith(('.docx', '.doc')):
                    if os.path.exists(full_path):  # Check if the file exists
                        try:
                            if get_doc_dir(tr_text, full_path):
                                print(full_path)
                        except Exception as e:
                            print(f"Error processing file {full_path}: {e}")
                elif file_type == 'xlsx' and file_name.lower().endswith(('.xlsx', '.xls')):
                    if get_excel_dir(tr_text, full_path):
                        print(full_path)

                elif file_type == 'txt' and file_name.lower().endswith('.txt'):
                    if get_txt_dir(tr_text, full_path):
                        print(full_path)

        if i == 0:
            print("查询次数已用完。")
        if i != 0:
            judge = input("是否继续搜索? 请输入Y/N: ")
            if judge.upper() == 'N':  # Check if input is 'N' or 'n'
                break  # Exit loop if input is not 'Y'