域名和网站空间怎么做解析,杭州老牌的网站建设,东莞建站公司案例全网天下案例,微信做单页的网站基于python的docx模块处理word和WPS的docx格式文件方式
发布时间#xff1a;2020-08-23 05:37:05
来源#xff1a;脚本之家
阅读#xff1a;109
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#xff0c;存入e…基于python的docx模块处理word和WPS的docx格式文件方式
发布时间2020-08-23 05:37:05
来源脚本之家
阅读109
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(urtest_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(uroutput.csv)
print xls.columns[0]
diction {}
# 找到每个excel文档中需要被记录的键值在docx文档表格中的位置
for xlskey in xls.columns:
for row_id in range(num_rows):
row doc.tables[0].rows[row_id]
for cell_id in range(len(row.cells)):
if row.cells[cell_id].text.strip() xlskey.strip():
diction[xlskey] [row_id, cell_id]
# 查看一下获得的键值位置
for key in list(diction.keys()):
print key, diction[key]
楼层数 [21, 1]
宗地形状 [4, 1]
使用权取得时间 [14, 1]
采光通风状况 [19, 1]
已使用年限 [21, 4]
建筑朝向 [7, 1]
房屋结构 [17, 1]
交叉路口形式 [3, 1]
临街状况 [8, 1]
建筑容积率 [10, 5]
楼宇名称 [15, 5]
质量等级 [18, 1]
周围土地利用类型 [11, 1]
总建筑面积 [20, 1]
宗地位置 [0, 1]
所临道路名称 [2, 1]
装修标准 [16, 1]
那么我们认为这些表头键值对应的填入数据就在他们的右边也就是下一个cell因此我们只需要将row id不变cell1就能取出填表内容。
# 开始填表
for each_column in xls.columns:
pos diction[each_column]
textion doc.tables[0].rows[pos[0]].cells[pos[1] 1].text
if u√ in textion:
this_text textion.strip( ).split(u√)[1].split()[0][2:]
else:
this_text textion
xls.loc[0, each_column] this_text
xls
楼宇名称
宗地位置
所临道路名称
交叉路口形式
宗地形状
建筑朝向
临街状况
周围土地利用类型
装修标准
房屋结构
质量等级
采光通风状况
总建筑面积
楼层数
已使用年限
建筑容积率
使用权取得时间
0
百兴花园
鄂州市鄂城区凤凰路47-11号
凤凰路
丁字路口
多边形
南
离街
商业用地
豪华
1、钢 2、钢、钢混 3、钢混 4、混合 5、砖木 6、其它
完好
好
122.7平方米
8
13年
Succeed!!!
之后只需要用一个glob函数取出所有的文档的path然后依次执行上面的命令即可完成word表格到excel实际上是csv形式的自动填表过程。
以上这篇基于python的docx模块处理word和WPS的docx格式文件方式就是小编分享给大家的全部内容了希望能给大家一个参考也希望大家多多支持亿速云。
