您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何用Python批量提取word里指定内容并输出为Excel？

表格,内容,文本如何用Python批量提取word里指定内容并输出为Excel？

发布时间：2016-12-08加入收藏来源：互联网点击：

如何用Python批量提取word里指定内容并输出为Excel？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

我们在做一些数据统计或分析的时候，有时会接触到Execl 格式或者Word 格式的文件。Execl格式的数据提取和解析，我们在之前的文章分享过一些非常好用的Python第三方库，本文中主要介绍如何使用Python python-docx 模块提取Word 文件中的文本信息和表格数据。




python-docx 安装

我们在Windows 10 Python3 环境中使用pip进行安装。

---

演示文本

为了方便理解，我们以python-docx.docx文件为例，演示如何使用Python提取其中的文本信息和表格数据，并开发自定义函数以字典的形式提取内容，python-docx.docx文件内容如下：

在使用python-docx读取word文档中文本之前，我们先了解下python-docx模块的几个概念。

Document 对象，表示一个Word文档。Paragraph 对象，表示Word文档中的一个段落。Paragraph 对象的text属性，表示段落中的文本内容。




---

提取docx文件中文本信息

使用python-docx提取docx文件中文本数据，Python实现代码如下：

如上，我们将python-docx.docx文件中的文本信息，按行提取出来，存储到字典中，字典的key为行号，value为文本信息，执行上述代码，输出结果如下：




---

提取docx文件中表格数据

使用python-docx 提取docx文件中表格数据，Python实现代码如下：

如上，我们将python-docx.docx文件中的表单信息，按行提取出来，存储到列表中，列表每个元素为一个表格的数据，数据结构为字典，执行上述代码输出结果如下：




---

提取包含指定关键字的文本

我们基于上述自定义封装函数extract_text、extract_form，结合re 模块即可以实现提取包含关键字的文本内容，代码实现如下：

如上，我们实现了提取docx文本中包含指定内容的文本信息，并输出该内容所在行，执行上述代码，输出结果为：

回答于 2019-09-11 08:43:50

这里以批量提取Word表格数据为例，简单介绍一下如何利用Python将指定的内容输出为Excel，感兴趣的朋友可以尝试一下：

01

安装依赖包

批量提取Word内容输出为Excel，牵扯到Word和Excel操作，因此需要专门第三方模块—python-docx和openpyxl，其中python-docx专门用于读写Word文档，openpyxl专门用于读写Excel表格，安装的话，直接在cmd窗口输入命令“pip install python-docx openpyxl”即可：


02

批量提取Word文档内容

依赖包安装完成后，就是批量提取Word内容，这里以批量提取Word文档内的表格数据为例，测试代码如下，非常简单，基本思路先加载Word文档，然后读取所有表格数据，最后再用一个list列表保存下来，当然，你也可以提取文本段落等其他内容，都是可以的，官方文档有详细说明：


03

输出Excel表格

Word数据批量提取完成后，就是将提取的数据写入到Excel表格中，测试代码如下，基本思路先新建一个Excel文件，然后依次循环提取到的表格数据写入到对应单元格，最后再保存即可，这里我在每个Word表格之间空了2行，方便数据查看，当然，你也可以使用其他模块操作Excel，像pandas、xlwt等都行，只要能实现相关功能就行：


至此，我们就完成了利用Python批量提取Word里指定内容并输出为Excel。总的来说，整个过程非常简单，先提取Word内容，然后再写入Excel即可，只要你有一定Python基础，熟悉一下上面的代码和示例，很快就能掌握的，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。