事情的起因是这样的,女朋友的公司在做一个数字化管道的工作,需要在大量的word中提取想要的数据,手动输入实在太麻烦,就看到这个python-docx的库,肥肠的高效,脚本发出来给大家。
!/usr/bin/python
-- coding: UTF-8 --
author = 'Administrator'
读取docx中的文本代码示例
import docx
from docx import Document #导入库
import re
import glob
import os
第一种表格
path = "E:\test\test.docx" #文件路径
document = Document(path) #读入文件
tables = document.tables #获取文件中的表格集
for i in range(0,len(tables)):
table = tables[0]#获取文件中的第一个表格
print(table.cell(2,1).text)
print(table.cell(4,1).text)
print(table.cell(4,6).text)
datestr = table.cell(8,0).text.replace(" ","")
mat = re.search(r"(\d{4}年\d{1,2}月\d{1,2}日)",datestr)
print(mat.group(0))
for i in range(0,len(table.rows)):#从表格第二行开始循环读取表格数据
result = table.cell(i,0).text + "" +table.cell(i,1).text+table.cell(i,2).text + table.cell(i,3).text
#cell(i,0)表示第(i+1)行第1列数据,以此类推
print(result)
第二种表格
f = open("result.txt",'w',encoding='UTF-8')
path = "test02.docx"