工作中经常要处理大量的word文档，大部分内容都很简单，比如说做一个汇总表，从发来的word文档里提取名字、联系方式、地址等信息，提取完之后还需要用Excel做汇总，对于十几份的文档尚好，但对于成百份，甚至上千份的word文档，即便只是基本的复制粘贴，这个工作量也实在是太大。于是，想想能不能自己写一个脚本，能自动的提取word文档里的主要信息，并自动写入Excel文档。首选语言便是Python，查询知主要有以下几种方法：1.xlrd和xlwt库（在命令行下输入pip install xlrd/xlwt安装）2.win32首先，xlrd和xlwt只支持doc和xls文件格式，但想到docx和xlsx已经全面普及，所以直接否决掉，那么第二种方法则是直接调用offic的API进行操作，十分强大，因为在offic上能完成的操作，都能通过win32完成，所以我们选择使用win32。这一部分，我们先来获取报名表的信息，报名表word打开之后是这样子的：
我们需要提取其中的姓名、性别、民族、学校、学历、专业、年级、政治面貌等个人信息很明显，所有的信息都在一张table里，于是便可以很方便的运用word里的API提取信息：代码如下：
#coding:utf-8import osimport win32comfrom win32com.client import Dispatch, constantsfrom docx import Documentdef parse_docx(f):"""读取docx，返回姓名和行业"""d = Document(f)t = d.tables[0]t_next=d.tables[1]#title= t.cell(0,1).text//比如说标题在表格中位于（0，1）name = t.cell(1,1).text #1Gender = t.cell(1,3).text #1Race = t.cell(1,5).text #1School=t.cell(2,1).text #1Edu_back=t.cell(2,4).text #1Major=t.cell(3,1).text #1Grade=t.cell(3,4).text #1Poli_Status=t.cell(4,1).text#1Place=t.cell(4,3).text #15ID_card=t.cell(5,1).text #1Date_birth=t.cell(5,4).text#1Telephone=t.cell(6,1).text#1E_mail=t.cell(6,4).text #1QQ=t.cell(7,1).text #1Address=t.cell(7,4).text #1# Other=t_next.cell(1,1).textprint(name, Gender,Race,School,Edu_back,Major,Grade,Poli_Status,Place,Date_birth,Telephone,E_mail,QQ,Address,end='\n ')''' 上述函数主要实现文件的读取 '''if __name__ == "__main__":w = win32com.client.Dispatch('Word.Application')# 遍历文件PATH = "E:\wordtest" # windows文件路径doc_files = os.listdir(PATH)for doc in doc_files:if os.path.splitext(doc)[1] == '.docx':try:parse_docx(PATH+'\\'+doc)except Exception as e:print(e)
程序的代码看起来十分的简单，我们不作多解释，直接看结果，我们采用的IDE为PyCharm
从word文档提取信息就是这么简单，接下来一讲，我们将会将读取的信息写入一个已经存在的Excel表格，方便我们查看和管理数据。
