python如何获取word文件中某个关键字之后的表格

最好是全部都读取到程序中，在程序中进行判断。

本文实例讲述了Python实现批量读取word中表格信息的方法。分享给大家供大家参考。具体如下：

单位收集了很多word格式的调查表，领导需要收集表单里的信息，我就把所有调查表放一个文件里，写了个python小程序把所需的信息打印出来

#coding:utf-8

import os

import win32com

from win32comclient import Dispatch, constants

from docx import Document

def parse_doc(f):

"""读取doc，返回姓名和行业

"""

doc = wDocumentsOpen( FileName = f )

t = docTables[0] # 根据文件中的图表选择信息

name = tRows[0]Cells[1]RangeText

situation = tRows[0]Cells[5]RangeText

people = tRows[1]Cells[1]RangeText

title = tRows[1]Cells[3]RangeText

print name, situation, people,title

docClose()

def parse_docx(f):

"""读取docx，返回姓名和行业

"""

d = Document(f)

t = dtables[0]

name = tcell(0,1)text

situation = tcell(0,8)text

people = tcell(1,2)text

title = tcell(1,8)text

print name, situation, people,title

if __name__ == "__main__":

w = win32comclientDispatch('WordApplication')

# 遍历文件

PATH = "H:\work\\aaa" # windows文件路径

doc_files = oslistdir(PATH)

for doc in doc_files:

if ospathsplitext(doc)[1] == 'docx':

try:

parse_docx(PATH+'\\'+doc)

except Exception as e:

print e

elif ospathsplitext(doc)[1] == 'doc':

try:

parse_doc(PATH+'\\'+doc)

except Exception as e:

print e

希望本文所述对大家的Python程序设计有所帮助。

word中文件的格式如图，类似一个标准的参考文献格式，而我的需求是按照作者，论文名，期刊名，时间，期卷号存到一个excel中。

1首先，word的python读取每次读的是块。

2通过对格式的分析，确定了利用，来分割字符串，然后再用来分割上次分割的第一个字符串，这对于期刊论文很适用，对于会议论文的可用性就弱很多。

3数据的传递使用的是list而不是字典，如果有机会的话，可能字典更好用，只是时间有限。

python自带的split

并且支持反向切割，strrsplit()语法和正向一致

2re库带的split，自认为的亮点是可以支持吧不同的符号作为切割位点，例如，

rematch与research的区别

rematch只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而research匹配整个字符串，直到找到一个匹配

Python 的 re 模块提供了resub用于替换字符串中的匹配项。

语法：

首先通过 pip 安装 python-docx，命令为 pip install python-docx 。

python-docx 使用 Document 对象来表示整个 docx 文档。其内部包含 一个Paragraph 对象列表。每个 Paragraph 对应 docx 文档的一个段落。

word 文档中除了字符串，还包含字体、大小、颜色等样式信息。相同样式的连续字符串，就会被保存在一个 Run 对象中。

假设 docx 文档中有下面这些内容：

那么经过 python-docx 解析，就会生成 3 个 Run 对象：

Python学习笔记(28) - Python读取word文本 - 程序员大阳的博客



1 简介 Python可以利用python-docx模块处理word文档,处理方式是面向对象的。也就是说python-docx模块会把word文档,文档中的段落、文本、字体等都看做对象,

2 相关概念 如果需要读取

要求：页码从第1章开始，按阿拉伯数字连续编排。页码位于页面底端，居中书写；

虽然在python-docx 088 (2019-01-07)的版本中已经支持了word文档的页眉页脚的设置，但目前我也尚未找到怎么在页脚中显示页码。

现采用另一种解决方法，新建一个含有页码的word文档作为模板，读取该word文档，在该模板的基础上生成符合需求的word文档。因为python-docx实质就是从一个空的word文档开始生成，所以可以在生成之前先在空的word文档设置好页码或其他一些所需的样式，这样就也能生成满足需求的word文档。

另:

python-docx中的字体设置

runfontname ='Times New Roman' # 设置西文字体

run_elementrPrrFontsset(qn('w:eastAsia'), '宋体')# 设置中文字体

以上就是关于python如何获取word文件中某个关键字之后的表格全部的内容，包括:python如何获取word文件中某个关键字之后的表格、python从word中读取规则数据存到excel中、说说 python-docx 解析 word 文档的原理等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！