python自动化办公docx模块操作Word文档的简单案列

　　前言
　　前段时间有小伙伴问二狗，怎么把一个Word文档的题库，写一个python脚本提取到Excel里。由于数据全是选择题，且文本很有规律，不是很复杂。所以今天二狗就通过本篇文章来分享下二狗的思路和代码。
　　word文档数据
　　提取为Excel的格式编程环境
　　1。文中电脑操作系统：win10
　　2。文中所使用的python模块：
　　（1）。os（python自带模块，不需要pip安装）
　　（2）。re（python自带模块，不需要pip安装）
　　（3）。docx（第三方模块，需要pip安装）
　　安装命令：pipinstallihttps：
　　pypi。tuna。tsinghua。edu。cnsimplepythondocx
　　注意：我们这次要用到的第三方库，就是专门为docx格式的word文档而生的。如果你手头需要处理的是doc格式的word文档，你可以打开word，将其另存为docx的格式。【注意word97以上版本支持存储docx文件】
　　（4）。openpyxl（第三方模块，需要pip安装）
　　安装命令：pipinstallihttps：
　　pypi。tuna。tsinghua。edu。cnsimpleopenpyxl
　　3。文中数据源文件：选择题。docx（如果需要，请后台私信）
　　4。文中所使用的IDE：VSCODE（安装Jupyter插件）文档数据结构剖析及代码思路
　　文档结构
　　（1）提取答案：由于答案是红色标记的，我们可以读取每一段落的样式，红色的段落就是答案。
　　分题
　　（2）分题：这个稍微有点复杂，二狗通过处理每一题前面的题号，来进行的，具体详见代码。
　　一行2选项
　　（3）一行2选项：通过split来分割，具体详见代码。代码拆检importosimportreimportdocximportopenpyxlnowpathos。getcwd（）获取当前ipynb文件的路径docfile选择题。docx要提取的doc文件名excelfile选择题。xlsx保存为Excel的文件名wbopenpyxl。Workbook（）实例化Excel对象wswb。active创建Excel活动表格tabhead〔序号，题目，选项1，选项2，选项3，选项4，答案〕定义Excel表头ws。append（tabhead）表头写入ExcelstartflagTrue设置开始状态contentlist〔〕初始化内容列表defjionpath（filepath，filename）：功能：拼接文件路径：paramfilepath：固定参数，定义拼接的文件路径：paramfilename：固定参数，定义拼接的文件名称：return：返回拼接好的文件路径returnos。path。join（filepath，filename）
　　这里二狗定义了一个无聊的函数docdocx。Document（jionpath（filepathnowpath，filenamedocfile））。paragraphs读取word文档。doc文件如是。docx文件需把文件另存为。doc文件
　　读取docx文档，得到一个段落列表。
　　段落列表forcontentinfilter（lambdax：bool（x。text），doc〔1：〕）：遍历段落列表rowcontent。text。strip（试题）去除每一题的试题2字rowlistre。split（rdW，row）正则切割段落文本
　　doc〔1：〕从第二行开始读取，不读取第一行的大标题
　　filter（lambdax：bool（x。text），doc〔1：〕）这里是过滤为空值的段落。
　　过滤效果
　　没有过滤的效果可以看见明显空值
　　strip和正则切割后的效果ifrowlist〔1：〕：判断切割后的列表的第一个元素，是否有值Ture为题目False为答案选项ifstartflag：判断是否为第一行contentlistrowlist〔1：〕如果是第一行就题目添加进空列表contentliststartflagFalse重制startflag为Falseelse：如果不是第一行contentlistanswer把answer答案列表添加进contentlistcontentlist。insert（0，number）contentlist列表里第一个位置插入序号ws。append（contentlist）把contentlist列表写入Excel里number1更新下一题的序号contentlist〔〕重置contentlist列表为空，准备添加下一题contentlistrowlist〔1：〕把题目添加进空列表contentlistelse：这里利用python的切片机制rowlist里只有一个元素时rowlist〔1：〕切片会返回rowlist〔i。strip（）foriinre。split（rs｛4｝，rowlist〔0〕）ifi〕处理一行2答案选项的情况contentlistrowlist把ABCD选项文本添加进contentlist
　　超过列表长度的切片方法会返回空列表
　　处理一行2个答案选项的效果
　　ifrowlist〔1：〕超过列表长度的切片方法会返回空列表不会抛出异常forrunincontent。runs：遍历每个段落的文本样式找的为红色的答案answercolorstr（run。font。color。rgb）获取每个段落的字体颜色ifanswercolorFF0000：判断此段落的文字是否为红色answerre。findall（r〔AD〕｛1｝，run。text）提取答案项对应的字母break停止遍历每个段落的文本样式
　　找到答案项
　　此处的break只打破forrunincontent。runs的循环else：forcontentinfilter（lambdax：bool（x。text），doc〔1：〕）循环结束时contentlistanswer把answer答案列表添加进contentlistcontentlist。insert（0，number）contentlist列表里第一个位置插入序号ws。append（contentlist）最后一题写入EXcel里wb。save（jionpath（nowpath，excelfile））保存文件
　　因为二狗写的脚本，是通过处理下一题时来保存的上一题，所以最后一题的保存是要单独处理一下。完整代码importosimportreimportdocximportopenpyxlnowpathos。getcwd（）获取当前ipynb文件的路径docfile选择题。docx要提取的doc文件名excelfile选择题。xlsx保存为Excel的文件名wbopenpyxl。Workbook（）实例化Excel对象wswb。active创建Excel活动表格tabhead〔序号，题目，选项1，选项2，选项3，选项4，答案〕定义Excel表头ws。append（tabhead）表头写入ExcelstartflagTrue设置开始状态contentlist〔〕初始化内容列表defjionpath（filepath，filename）：功能：拼接文件路径：paramfilepath：固定参数，定义拼接的文件路径：paramfilename：固定参数，定义拼接的文件名称：return：返回拼接好的文件路径returnos。path。join（filepath，filename）docdocx。Document（jionpath（filepathnowpath，filenamedocfile））。paragraphs读取word文档。doc文件如是。docx文件需把文件另存为。doc文件number1初始化序号forcontentinfilter（lambdax：bool（x。text），doc〔1：〕）：遍历段落列表rowcontent。text。strip（试题）去除每一题的试题2字rowlistre。split（rdW，row）正则切割段落文本ifrowlist〔1：〕：判断切割后的列表的第一个元素，是否有值Ture为题目False为答案选项ifstartflag：判断是否为第一行contentlistrowlist〔1：〕如果是第一行就题目添加进空列表contentliststartflagFalse重制startflag为Falseelse：如果不是第一行contentlistanswer把answer答案列表添加进contentlistcontentlist。insert（0，number）contentlist列表里第一个位置插入序号ws。append（contentlist）把contentlist列表写入Excel里number1更新下一题的序号contentlist〔〕重置contentlist列表为空，准备添加下一题contentlistrowlist〔1：〕把题目添加进空列表contentlistelse：这里利用python的切片机制rowlist里只有一个元素时rowlist〔1：〕切片会返回rowlist〔i。strip（）foriinre。split（rs｛4｝，rowlist〔0〕）ifi〕处理一行2答案选项的情况contentlistrowlist把ABCD选项文本添加进contentlistforrunincontent。runs：遍历每个段落的文本样式找的为红色的答案answercolorstr（run。font。color。rgb）获取每个段落的字体颜色ifanswercolorFF0000：判断此段落的文字是否为红色answerre。findall（r〔AD〕｛1｝，run。text）提取答案项对应的字母break停止遍历每个段落的文本样式else：forcontentinfilter（lambdax：bool（x。text），doc〔1：〕）循环结束时contentlistanswer把answer答案列表添加进contentlistcontentlist。insert（0，number）contentlist列表里第一个位置插入序号ws。append（contentlist）最后一题写入EXcel里wb。save（jionpath（nowpath，excelfile））保存文件结语
　　以上汇报完毕，下篇文章再见。（如需文中数据资料请后台私信）