python和wps-基于python的docx模块处理word和WPS的docx格式文件方式

Python docx module for Word or WPS processing

本文是通过docx把word中的表格中的某些已填好的内容提取出来，存入excel表格。

首先安装docx的python模块：

pip install python-docx

由于处理的为中文和符号，改成utf-8编码格式

import sys

reload(sys)

sys.setdefaultencoding("utf-8")

from docx import Document

import pandas as pd

# 打开文件

doc = Document(ur"test_1.docx")

为了处理word中以对勾形式勾选的项目，采用下面 的方法

1、十字路口 √ 2、丁字路口 3、环形路口 4、人行立交

# 取出对号勾选的项目

print doc.tables[0].rows[3].cells[2].text

print doc.tables[0].rows[3].cells[2].text.split(u"√")[1].strip().split(" ")[0][2:]

"√" in doc.tables[0].rows[3].cells[2].text # 这个语句可以测试是否含有对勾，

# 有的话就取出对勾后面的item，否则直接返回填空的text

True

num_rows = len(doc.tables[0].rows)

print num_rows

xls = pd.read_csv(ur"output.csv")

print xls.columns[0]

diction