从Word读取内容并按所需格式输出到Excel

一.读取Word

python-docx库
可以创建和编辑更新Microsoft Word(.docx)文件，（不能处理doc文件）

函数库和使用语法

基本思想是将一个word文件视作一个document对象，在其中处理一个个paragraph对象，text对应paragraph中的文本内容。
同样可以处理table，picture等对象。

导入库和实例化

from docx import Document
document = Document()

报错则pip

pip install python-docx

函数语法

- document.add_heading()	#	添加标题
- document.add_paragraph()	#	添加段落（style='ListBullet'/'ListNumber'）
- document.add_picture()	#	添加照片
- document.add_table()	#	添加表格
- document.add_page_break()	#	添加分页符
- document.save('demo.docx')	#	保存文件

二.写入Excel

函数导入和使用

import xlwt
# 创建workbook，工作簿，即一个excel
workbook = xlwt.Workbook(encoding = 'utf-8')
# 创建worksheet，即在工作簿上的一个工作表sheet
worksheet = workbook.add_sheet(’Sheet1‘)

# 写入Excel
worksheet.write(0,0,'context')	#	行，列，值

# 保存
worksheet.save('demo.xls')

三.正则表达式

Runoob/菜鸟教程：正则表达式教程
re 模块使 Python 语言拥有全部的正则表达式功能。

常用函数和用法

>>>import re
>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小写
>>> m = pattern.match('Hello World Wide Web')
>>> print m                               # 匹配成功，返回一个 Match 对象
<_sre.SRE_Match object at 0x10bea83e8>
>>> m.group(0)                            # 返回匹配成功的整个子串
'Hello World'
>>> m.span(0)                             # 返回匹配成功的整个子串的索引
(0, 11)
>>> m.group(1)                            # 返回第一个分组匹配成功的子串
'Hello'
>>> m.span(1)                             # 返回第一个分组匹配成功的子串的索引
(0, 5)

>>> pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
>>> m = pattern.match('666')        # 查找头部

pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('run88oob123google456', 0, 10)

整个项目完成思路:
读取Word
通过获取docx文件中的所有paragraph，并对所有paragraph通过一定共同特征(’【’)进行划分，获得所有划分过的item后，为获取下一步的结果，再通过分组正则，对所有item进行筛选，在获得所需的内容后，通过dic将其进行特定的存储，dic中所存为List。
写入Excel
通过dic中的key读取value，并按特定的行列写入Excel中。