（连载0.2）加强版Python提取上市公司年报报告中财务报表

新的改变

我的开篇博客给出了需要更多手动操作的简化版：
续篇的重要改进主要有：采用了函数的形式，便于参数的输入以及反复调用；
自动获取指定目录文件，检索输出文件目录，轻松实现批量化提取；
考虑到不同公司财务报表第一行标题的差异,建立了一个集合用于判断；
由于知识水平和时间的局限，未能有效实现多进程优化。

新的改变

在之后的文章里，将会上传提供一系列财务分析指标，企业估值，资本成本计算等一站式服务的Excel模板以及相应数据录入和处理的代码。

"""TabFromDocx
上市公司财务报表提取
"""

import os 
import docx as d
import openpyxl as o


def TabFromDocx(file,output_path='/media/huangzefang/6982-9D43/IO/IO2'):
    tle=['合并资产负债表','母公司资产负债表','合并利润表','母公司利润表','合并现金流量表','母公司现金流量表']
    Set={'附注','期末余额','本期发生额','本期金额','期初余额','年初余额','上期发生额','上期金额'}
     
    print('正在处理: ', file)
    outcome=os.path.splitext(file)[0]+'.xlsx'
    done=set(os.listdir(output_path))
    if outcome in done:
        print('已存在: ',os.path.splitext(file)[0]+'.xlsx')
        return
    mywb = o.Workbook()
    mysheet=mywb["Sheet"]
    i=-1
    doc=d.Document(file)#读入文件
    tabs=doc.tables#获取文件中的表格集
    k=0
    K=0#大写行数在后续进程中没有被重置
    flag=0 #写入表格的开关标志
    count=-1#六张报表打完以后剩下和附注一起放sheet里面
    Flag=1#是否开启检测(主要是为了在六张表打完以后把工作表切换成sheet）
    
    for tab  in tabs[:]:
        rows=tab.rows
        for  row in rows[:]:   # 读每行
            j=64  
            k+=1
            cells=row.cells
            if cells[0].text.find('项目')!=-1 and Flag==1:#第一个标志'项目'在权益变动表和其他各处都有出现，权益表比较特殊还有换行符所以用find
                logic=True
                for check in range(0,len(cells)): #
                   if  len(cells)<2 or (cells[check].text not in Set): #可能有"附注"列，但所有报表形式不会只有两列#满足此条件的只有六张表和附注
                        logic=False                        
                        break
                if logic :
                    flag=1
                    i+=1
                    count+=1
                    if count!=6:
                        mywb.create_sheet(index=i,title=tle[i])
                        mysheet = mywb.get_sheet_by_name(tle[i])
                    else:
                        mywb.create_sheet(index=i,title='附注')
                        mysheet = mywb.get_sheet_by_name('附注')
                        Flag=0
                    k=0
                else:
                    flag=0
                    
            if Flag==1:
                if flag==1 :
                        k+=1
                        for cell in cells[:]:  # 读一行中的所有单元格
                            j+=1
                            c = cell.text 
                            tmp=chr(j)+str(k)
                            mysheet[tmp] = c
                else:
                    K+=1 #大写的行数没有重置过，最后是权益变动表
                    for cell in cells[:]:  # 读一行中的所有单元格
                        j+=1
                        c = cell.text 
                        tmp=chr(j)+str(K)
                        mysheet[tmp] = c 
            else:
                k+=1  
                for cell in cells[:]:  # 读一行中的所有单元格
                    j+=1
                    c = cell.text 
                    tmp=chr(j)+str(k)
                    mysheet[tmp] = c
    
    mywb.save(output_path+'/'+outcome)
    print('完成: ',os.path.splitext(file)[0]+'.xlsx')
def tfd(input_path='/media/huangzefang/6982-9D43/IO/IO1',output_path='/media/huangzefang/6982-9D43/IO/IO2'):
    os.chdir(input_path)
    
    for file in os.listdir():
            if os.path.splitext(file)[1]=='.docx':
               TabFromDocx(file, output_path)