你是否遇到過這樣的情況：你有一堆Word文件，每個(gè)文件都包含一些重要的信息，你需要把這些信息提取出來，整理到一個(gè)Excel表格中，方便查閱和管理。但是，手動打開每個(gè)文件，復(fù)制粘貼信息，又太費(fèi)時(shí)費(fèi)力，而且容易出錯(cuò)。

有沒有什么辦法可以讓Python幫你自動完成這個(gè)任務(wù)呢？答案是肯定的！本文將教你如何用Python批量提取Word文件中的關(guān)鍵信息，并寫入Excel文件中，只需幾行代碼，就可以節(jié)省大量的時(shí)間和精力。

準(zhǔn)備工作

在開始編寫代碼之前，我們需要先準(zhǔn)備一些必要的工具和文件：

• Python環(huán)境：本文使用的是Python 3.8，你可以在下載安裝。
• openpyxl庫：這是一個(gè)用于操作Excel文件的Python庫，你可以使用pip install openpyxl命令安裝。
• python-docx庫：這是一個(gè)用于操作Word文件的Python庫，你可以使用pip install python-docx命令安裝。
• glob庫：這是一個(gè)用于獲取文件路徑的Python庫，一般已經(jīng)內(nèi)置在Python中，無需安裝。
• Word文件：這是我們要提取信息的源文件，本文以7個(gè)會議通知文件為例，每個(gè)文件都包含學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人四項(xiàng)關(guān)鍵信息，文件名分別為會議通知1.docx，會議通知2.docx，...，會議通知7.docx，存放在Notice文件夾下。
• Excel文件：這是我們要寫入信息的目標(biāo)文件，本文以一個(gè)空白的Excel文件為例，文件名為Meeting_temp.xlsx，存放在與Notice文件夾同一級的目錄下。

獲取文件路徑

第一步，我們需要獲取Notice文件夾下的所有Word文件的路徑，這樣我們才能對每個(gè)文件進(jìn)行操作。這里我們可以使用glob庫的glob函數(shù)，它可以根據(jù)通配符匹配文件路徑，返回一個(gè)列表。例如，我們可以使用glob.glob('*.docx')來匹配當(dāng)前目錄下的所有以.docx結(jié)尾的文件。

為了方便后續(xù)的操作，我們先定義一個(gè)變量path，表示我們的工作目錄，也就是Notice文件夾和Excel文件所在的目錄，你可以根據(jù)實(shí)際情況修改。然后，我們使用glob.glob(path + r'\Notice\*.docx')來獲取Notice文件夾下的所有Word文件的路徑，保存在一個(gè)變量files中。注意，這里我們使用了r字符串，表示原始字符串，不會對反斜杠進(jìn)行轉(zhuǎn)義。

代碼如下：

import glob

path = r'C:\Users\xxx' # 路徑為Notice文件夾和Excel文件所在的目錄，可按實(shí)際情況更改
files = glob.glob(path + r'\Notice\*.docx') # 獲取Notice文件夾下的所有Word文件的路徑
print(files) # 打印文件路徑列表，檢查是否正確

輸出如下：

['C:\\Users\\xxx\\Notice\\會議通知1.docx', 'C:\\Users\\xxx\\Notice\\會議通知2.docx', 'C:\\Users\\xxx\\Notice\\會議通知3.docx', 'C:\\Users\\xxx\\Notice\\會議通知4.docx', 'C:\\Users\\xxx\\Notice\\會議通知5.docx', 'C:\\Users\\xxx\\Notice\\會議通知6.docx', 'C:\\Users\\xxx\\Notice\\會議通知7.docx']

解析Word文件

第二步，我們需要解析每個(gè)Word文件，獲取需要的四個(gè)信息，即學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人。這里我們可以使用python-docx庫的Document類，它可以讀取Word文件，并將其內(nèi)容以段落（Paragraph）為單位進(jìn)行劃分。我們可以遍歷每個(gè)段落，根據(jù)其文本內(nèi)容，判斷是否包含我們需要的信息，并提取出來。

為了方便后續(xù)的操作，我們先定義一個(gè)變量number，表示序號，用于記錄每個(gè)文件的順序。然后，我們使用一個(gè)for循環(huán)，遍歷files列表中的每個(gè)文件路徑，使用Document類打開每個(gè)文件，保存在一個(gè)變量wordfile中。接著，我們定義一個(gè)空列表content_lst，用于存放學(xué)習(xí)內(nèi)容，因?yàn)閷W(xué)習(xí)內(nèi)容可能分散在多個(gè)段落中，我們需要將它們合并成一個(gè)字符串。然后，我們使用一個(gè)嵌套的for循環(huán)，遍歷wordfile中的每個(gè)段落，根據(jù)其文本內(nèi)容，判斷是否包含我們需要的信息，并提取出來，保存在相應(yīng)的變量中。具體的判斷邏輯如下：

• 如果段落的文本以“學(xué)習(xí)時(shí)間：”開頭，那么我們就提取其后面的部分，保存在一個(gè)變量study_time中。
• 如果段落的文本以“主持人：”開頭，那么我們就提取其后面的部分，保存在一個(gè)變量host中。
• 如果段落的文本以“學(xué)習(xí)形式：”開頭，那么我們就提取其后面的部分，保存在一個(gè)變量study_type中。
• 如果段落的文本的長度大于等于2，且第一個(gè)字符是數(shù)字，第二個(gè)字符是中文頓號“、”，那么我們就認(rèn)為這是學(xué)習(xí)內(nèi)容的一部分，將其添加到content_lst中。

代碼如下：

from docx import Document

number = 0 # 定義一個(gè)變量，表示序號
for file in files: # 遍歷每個(gè)文件路徑
    wordfile = Document(file) # 打開每個(gè)文件
    content_lst = [] # 定義一個(gè)空列表，用于存放學(xué)習(xí)內(nèi)容
    for paragraph in wordfile.paragraphs: # 遍歷每個(gè)段落
        if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：': # 如果段落的文本以“學(xué)習(xí)時(shí)間：”開頭
            study_time = paragraph.text[5:] # 提取其后面的部分，保存在study_time中
        if paragraph.text[0:4] == '主持人：': # 如果段落的文本以“主持人：”開頭
            host = paragraph.text[4:] # 提取其后面的部分，保存在host中
        if paragraph.text[0:5] == '學(xué)習(xí)形式：': # 如果段落的文本以“學(xué)習(xí)形式：”開頭
            study_type = paragraph.text[5:] # 提取其后面的部分，保存在study_type中
        if len(paragraph.text) >= 2: # 如果段落的文本的長度大于等于2
            if paragraph.text[0].isdigit() and paragraph.text[1] == '、': # 如果第一個(gè)字符是數(shù)字，第二個(gè)字符是中文頓號“、”
                content_lst.append(paragraph.text) # 將其添加到content_lst中
    content = ' '.join(content_lst) # 將content_lst中的元素用空格連接成一個(gè)字符串，保存在content中
    print(study_time, content, study_type, host) # 打印提取的信息，檢查是否正確

寫入Excel文件

第三步，我們需要將提取的信息寫入Excel文件中，這樣我們就可以方便地查看和管理。這里我們可以使用openpyxl庫的Workbook類和Worksheet類，它們可以創(chuàng)建和操作Excel文件和工作表。我們可以使用Workbook類的active屬性，獲取當(dāng)前活動的工作表，保存在一個(gè)變量sheet中。然后，我們可以使用Worksheet類的cell方法，根據(jù)行號和列號，指定單元格，并給其賦值。

為了方便后續(xù)的操作，我們先定義一個(gè)變量excel_file，表示我們要寫入的Excel文件的路徑，你可以根據(jù)實(shí)際情況修改。然后，我們使用Workbook類創(chuàng)建一個(gè)Excel文件對象，保存在一個(gè)變量wb中。

接著，我們使用wb的active屬性，獲取當(dāng)前活動的工作表，保存在一個(gè)變量sheet中。然后，我們使用sheet的cell方法，給第一行的每一列賦值，作為表頭，分別是序號、學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人。

接下來，我們使用一個(gè)for循環(huán)，遍歷files列表中的每個(gè)文件路徑，使用Document類打開每個(gè)文件，保存在一個(gè)變量wordfile中。然后，我們使用和上一步相同的邏輯，提取每個(gè)文件中的四個(gè)信息，保存在相應(yīng)的變量中。

最后，我們使用sheet的cell方法，給每一行的每一列賦值，分別是序號、學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人。注意，這里我們需要將序號加1，因?yàn)榈谝恍幸呀?jīng)被表頭占用了。最后，我們使用wb的save方法，保存Excel文件。

代碼如下：

from openpyxl import Workbook

excel_file = path + r'\Meeting_temp.xlsx' # 定義Excel文件的路徑，可按實(shí)際情況更改
wb = Workbook() # 創(chuàng)建一個(gè)Excel文件對象
sheet = wb.active # 獲取當(dāng)前活動的工作表
sheet.cell(row=1, column=1).value = '序號' # 給第一行第一列賦值，作為表頭
sheet.cell(row=1, column=2).value = '學(xué)習(xí)時(shí)間' # 給第一行第二列賦值，作為表頭
sheet.cell(row=1, column=3).value = '學(xué)習(xí)內(nèi)容' # 給第一行第三列賦值，作為表頭
sheet.cell(row=1, column=4).value = '學(xué)習(xí)形式' # 給第一行第四列賦值，作為表頭
sheet.cell(row=1, column=5).value = '主持人' # 給第一行第五列賦值，作為表頭
for file in files: # 遍歷每個(gè)文件路徑
    wordfile = Document(file) # 打開每個(gè)文件
    content_lst = [] # 定義一個(gè)空列表，用于存放學(xué)習(xí)內(nèi)容
    for paragraph in wordfile.paragraphs: # 遍歷每個(gè)段落
        if paragraph.text[0:5] == '學(xué)習(xí)時(shí)間：': # 如果段落的文本以“學(xué)習(xí)時(shí)間：”開頭
            study_time = paragraph.text[5:] # 提取其后面的部分，保存在study_time中
        if paragraph.text[0:4] == '主持人：': # 如果段落的文本以“主持人：”開頭
            host = paragraph.text[4:] # 提取其后面的部分，保存在host中
        if paragraph.text[0:5] == '學(xué)習(xí)形式：': # 如果段落的文本以“學(xué)習(xí)形式：”開頭
            study_type = paragraph.text[5:] # 提取其后面的部分，保存在study_type中
        if len(paragraph.text) >= 2: # 如果段落的文本的長度大于等于2
            if paragraph.text[0].isdigit() and paragraph.text[1] == '、': # 如果第一個(gè)字符是數(shù)字，第二個(gè)字符是中文頓號“、”
                content_lst.append(paragraph.text) # 將其添加到content_lst中
    content = ' '.join(content_lst) # 將content_lst中的元素用空格連接成一個(gè)字符串，保存在content中
    number += 1 # 將序號加1
    sheet.cell(row=number+1, column=1).value = number # 給每一行第一列賦值，作為序號
    sheet.cell(row=number+1, column=2).value = study_time # 給每一行第二列賦值，作為學(xué)習(xí)時(shí)間
    sheet.cell(row=number+1, column=3).value = content # 給每一行第三列賦值，作為學(xué)習(xí)內(nèi)容
    sheet.cell(row=number+1, column=4).value = study_type # 給每一行第四列賦值，作為學(xué)習(xí)形式
    sheet.cell(row=number+1, column=5).value = host # 給每一行第五列賦值，作為主持人
wb.save(excel_file) # 保存Excel文件

完成任務(wù)

至此，我們已經(jīng)完成了用Python批量提取Word文件中的關(guān)鍵信息，并寫入Excel文件中的任務(wù)。你可以打開Meeting_temp.xlsx文件，查看結(jié)果，如下圖所示：

你可以看到，我們成功地將7個(gè)Word文件中的四個(gè)信息提取出來，并按照序號、學(xué)習(xí)時(shí)間、學(xué)習(xí)內(nèi)容、學(xué)習(xí)形式、主持人的順序，寫入Excel文件中，方便查閱和管理。

總結(jié)

本文教你如何用Python批量提取Word文件中的關(guān)鍵信息，并寫入Excel文件中，只需幾行代碼，就可以節(jié)省大量的時(shí)間和精力。本文涉及到的主要技術(shù)點(diǎn)有：

• openpyxl庫：用于操作Excel文件，可以創(chuàng)建、讀取、寫入、修改Excel文件和工作表。
• python-docx庫：用于操作Word文件，可以讀取、寫入、修改Word文件和段落。
• glob庫：用于獲取文件路徑，可以根據(jù)通配符匹配文件路徑，返回一個(gè)列表。