区区几行Python代码，一分钟搞定一天工作量
作者 | 陈熹、刘早起
来源 | 早起Python
大家好，我是早起。
前几天有一个读者说最近要整理几千份文件，头都要整秃了，不知道能不能用Python解决，我们来看一下，你也可以思考一下。
由于涉及文件私密所以具体内容已做脱敏处理。
大概是这样，一个文件夹下有多份会议通知信息（本文以 7 份文件为例）
每一份通知打开格式基本类似，如下所示????
现在需要将每份会议文档中的 学习时间、学习内容、学习形式、主持人 四项关键信息提取出来，整理到 Excel 表格中：
在他真实需求中，会议通知四年积累下来有快 1000 份（四年开了这么多次会也是很厉害...），用人力挨个打开文件并录到 Excel 中工作量实在太大。
好家伙，这种重复的无聊工作，不就是一份非常适合交给 Python 的自动化工作吗？
下面我们来看看如何用Python解决这个问题，主要将涉及：
openpyxl 写入 Excel 文件
python-docx 读取 Word 文件
glob 批量获取文件路径
为了简化上面的需求，本文中需要获取的会议通知文件一共 7 个，分别命名为 会议通知1.docx、会议通知2.docx... 会议通知7.docx，存放在 Notice 文件夹下。输出的目标 Excel 文件命名为Meeting_temp.xlsx
基本逻辑
写代码之前都先明确完整的问题需要分为几个小步骤实现。从需求中我们大概可以将代码分为以下几步：
获取会议通知 Notice 文件夹下的所有文件；
解析每一份 Word 文件，获取需要的四个信息，输出到 Excel 中；
保存 Excel 文件
有了逻辑就有了写代码的思路了。第 1 步可以由 glob 库完成，后面两步就是操作 Word 的 python-docx 库和操作 Excel 的 openpyxl 库的交互协作了。
这两个库我们都有说过，如果你不熟悉，一定要先阅读下面的文章！
????python-docx操作Word详解
????openpyxl操作Excel详解
代码实现
首先导入需要的库：
1from docx import Document
2from openpyxl import load_workbook
3import glob
将模板 Excel 读取进程序：
1path = r'C:\Users\xxx' # 路径为会议通知文件夹和 Excel 模板所在的位置，可按实际情况更改
2workbook = load_workbook(path + r'\Meeting_temp.xlsx')
3sheet = workbook.active写任何批处理的代码之前都建议先写一下单次操作的代码，因此我们先完成对 会议通知 1.docx 文件的解析，确保无误。现在对于文档的结构和关键信息的位置尚不明确，可以先将 Word 以段落 Paragraph 为单位输出观察：
1wordfile = Document(path + r'\Notice\会议通知 1.docx')
2for paragraph in wordfile.paragraphs:
3 print(paragraph)
文件的文字排布脉络比较清晰，基本是一句话对应一个段落，而需要的信息可以简单通过判断每句话（每段话）前几个字而明确：
1for paragraph in wordfile.paragraphs:
2 if paragraph.text[0:5] == '学习时间：':
3 study_time = paragraph.text[5:]
4 if paragraph.text[0:4] == '主持人：':
5 host = paragraph.text[4:]
6 if paragraph.text[0:5] == '学习形式：':
7 study_type = paragraph.text[5:]对于学习内容的获取比较特殊，不像其他三个信息，都在一句话中，且关键字就为前几个字：
可以看到，“学习内容” 四个字和真正包含的内容分散在不同的句子中. 这里简单用一个策略：
建立一个空列表存放，然后遍历每一段判断，如果一个字符为数字且第二个字符为中文顿号 “、” 就获取存放到列表中。最后把列表中的元素重新组合成一个长字符串即可：
1content_lst = []2 for paragraph in wordfile.paragraphs:3 if paragraph.text[0:5] == '学习时间：':4 study_time = paragraph.text[5:]5 if paragraph.text[0:4] == '主持人：':6 host = paragraph.text[4:]7 if paragraph.text[0:5] == '学习形式：':8 study_type = paragraph.text[5:]9 if len(paragraph.text) >= 2:
10 if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
11 content_lst.append(paragraph.text)
12 content = ' '.join(content_lst)完成了解析 Word 文件之后，就需要把内容输出的 Excel 文件中了。
简单来说，就是将上面代码获取到的几个元素组合成一个列表，通过 sheet.append(list) 的方法写入 Excel 文件中：
1number = 0 # 全局中设置一个变量用于计数，做为序号输出23wordfile = Document(path + r'\Notice\会议通知 1.docx')4content_lst = []5for paragraph in wordfile.paragraphs:6 if paragraph.text[0:5] == '学习时间：':7 study_time = paragraph.text[5:]8 if paragraph.text[0:4] == '主持人：':9 host = paragraph.text[4:]
10 if paragraph.text[0:5] == '学习形式：':
11 study_type = paragraph.text[5:]
12 if len(paragraph.text) >= 2:
13 if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
14 content_lst.append(paragraph.text)
15content = ' '.join(content_lst)
16number += 1
17sheet.append([number, study_time, content, study_type, host])单个文件解析完，用 glob 改完获取文件夹下全部文件，建立循环逐个解析就能完成本需求，当然最后记得保存 Excel 文件。
完整代码如下????
1from docx import Document2from openpyxl import load_workbook3import glob45path = r'C:\Users\xxx'6workbook = load_workbook(path + r'\Meeting_temp.xlsx')7sheet = workbook.active8number = 09
10for file in glob.glob(path + r'\Notice\*.docx'):
11 wordfile = Document(file)
12 content_lst = []
13 for paragraph in wordfile.paragraphs:
14 if paragraph.text[0:5] == '学习时间：':
15 study_time = paragraph.text[5:]
16 if paragraph.text[0:4] == '主持人：':
17 host = paragraph.text[4:]
18 if paragraph.text[0:5] == '学习形式：':
19 study_type = paragraph.text[5:]
20 if len(paragraph.text) >= 2:
21 if paragraph.text[0].isdigit() and paragraph.text[1] == '、':
22 content_lst.append(paragraph.text)
23 content = ' '.join(content_lst)
24 number += 1
25 sheet.append([number, study_time, content, study_type, host])
26
27workbook.save(path + r'\Meeting_notice.xlsx')核心也不过三十行代码，总共不过三秒就搞定了！
如果你也想试试，可以尝试用文中的代码实现，练习数据：
https://pan.baidu.com/s/1H3x16tYAqqaEamw4fdzlrw（提取码：86vc）
更多精彩推荐
☞读懂深度迁移学习，看这文就够了 | 赠书
☞『带你学AI』一文带你搞懂OCR识别算法CRNN：解析+源码
☞龙泉寺贤超法师：用 AI 为古籍经书识别、断句、翻译
☞微信十周年，腾讯晒成绩单了！
点分享点收藏点点赞点在看
相关文章：
bc计算命令的知识及企业计算案例
bc命令的用法：bc是unix下的计算器，它也可以用在命令行下面：例：给自变量i加1i2iecho $i1|bc -----效率低#因为bc支持科学计算，所以这种方法功能非常强大[rootXCN ~]# echo 11|bc 2 [rootXCN ~]# echo 1*1|bc 1 […
ExecutorService与Executors例子的简单剖析(转)
对于多线程有了一点了解之后，那么来看看java.lang.concurrent包下面的一些东西。在此之前，我们运行一个线程都是显式调用了 Thread的start()方法。我们用concurrent下面的类来实现一下线程的运行，而且这将成为以后常用的方法或者实现思路。 …
GridView隐藏列取值解决方案
【摘要】 在Asp.net 2.0中增加了一个新的数据绑定控件：GridView，其目的用来取代Asp.net1.x中的DataGrid控件，但有一点很不爽的是，如果把某列设置为visiblefalse，则不会进行数据绑定，也就是说无法直接从Grid…
百度飞桨成为北京市首个AI产业方向创新应用平台
1月20日，北京市经济和信息化局正式授予百度公司"北京市人工智能产业创新应用平台（百度飞桨）"。当前，北京市正在创建国家人工智能创新应用先导区，人工智能作为新科技革命和产业变革前沿领域，是北京…
FTP的20、21端口，工作模式
什么是FTP? FTP就是文件传输协议 File Transfer Protocol 的缩写. FTP端口号是多少? 21 FTP的端口号能改吗? 能 ftp的端口号20、21有何区别? 一个是数据端口，一个是控制端口，控制端口一般为21，而数据端口不一定是20，这和FTP的…
android 自定义ViewGroup和对view进行切图动画实现滑动菜单SlidingMenu[转]
http://blog.csdn.net/jj120522/article/details/8095852 示意图就不展示了，和上一节的一样,滑动菜单SlidingMenu效果如何大家都比较熟悉，在这里我简单说明一下用自定义ViewGroup来实现. 实现方法：我们自定义一个ViewGroup实现左右滑动&#…
物联网下的数据传输，Python 就能搞定！
作者 | 李秋键责编 | 夕颜出品 | AI科技大本营（ID:rgznai100）引言：近几年来，谈起发展最火热的几个关键词必然是人工智能、大数据以及物联网的万物互联、边缘计算等等了。而今天，我们就将利用Python实现物联网下的数据传…
ASP.NET 2.0中Page事件的执行顺序
Page 执行中将按照如下顺序激活事件：Page.PreInitPage.InitPage.InitComplitePage.PreLoadPage.LoadPage.LoadCompletePage.PreRenderPage.PreRenderComplete如果页面从令一个页面继承，如BasePage:System.Web.UI.Page，在BasePage中做了一些扩…
javascript函数嵌套时arguments的问题
疑问： var funtest function () {var fun function (val, val2) {alert(arguments.length); //此处答案？ 有些人回答是2，但是正确是 0 };setTimeout(fun, 20);};funtest(); 转载于:https://www.cnblogs.com/huaan011/p/7073792.html
禁用页面缓存的几种方法（静态和动态）
1、在Asp页面首部<head>加入 Response.Buffer True Response.ExpiresAbsolute Now() - 1 Response.Expires 0 Response.CacheControl "no-cache" Response.AddHeader "Pragma", "No-Cache&…
程序员转型AI，成功几率有几分？
技术转型，这两年一直是程序员圈子里的热门话题。对于大部分基层程序员来说，基础岗位上薪资的涨幅很难跟上年龄的增长。而近些年，AI技术发展势头迅猛，优秀人才短缺，这种情况下，无疑是谁先转型，谁…
利用反射实现类的动态加载
为什么80%的码农都做不了架构师？>>> //首先定义一个接口来隔离类： public interface Operator { // public java.util.List act(java.util.List params);public java.util.List act(String content,String content2,java.util.List param…
spring+ (activeMQ) 实现queue与topic
2019独角兽企业重金招聘Python工程师标准>>> 2017-06-17 1、activeMQ下载与安装 前往Apache官网下载ActiveMQ，下载地址http://activemq.apache.org/download.html（此处我下载了apache-activemq-5.9.0 版本的tar包）解压：…
C#文本文件操作
如何向现有文件中添加文本using System;using System.IO;class Test {public static void Main() {// Create an instance of StreamWriter to write text to a file.// The using statement also closes the StreamWriter.using (StreamWriter sw new StreamWriter("Tes…
RISC-V 正在成为芯片世界中的 Linux
【编者按】芯片推动了人类社会数字化、信息化、智能化的发展。从某种程度上来说，芯片技术的发展也影响着行业未来的走向。你觉得未来的芯片世界将会如何？编译 | 虎说八道 责编 | 张文头图 | CSDN 下载自视觉中国出品 | CSDN（ID：C…
linux系统小记
1.当某分区空间剩余很大时，可用dd命令写入0，做成很大的文件后格式化，可当作分区使用（-o loop挂载）#dd if/dev/zero of/wq bs1M count512#mkfs -t ext3 /wq#mkswap /wq#swapon /wq#mount -o loop /wq /data#mou…
网络编程 -- RPC实现原理 -- RPC -- 迭代版本V3 -- 远程方法调用 整合 Spring
网络编程 -- RPC实现原理 -- 目录 啦啦啦 V3——RPC -- 远程方法调用 及 null的传输 Spring 服务提供商： 1. 配置 rpc03_server.xml 注入 服务提供商 rpcServiceProvider并指定初始化方法 及 服务实例 IUserService 2. 读取 服务消费者 请求的 MethodStaics &…
Rootkit之SSDT hook（通过CR0）
SSDT即System Service Dispath Table，它是一个表，这个表中有内核调用的函数地址。KeServiceDescriptorTable：是由内核（Ntoskrnl.exe）导出的一个表，这个表是访问SSDT的关键，具体结构是typedef st…
禁止validateRequest的办法
A potentially dangerous Request.Form value was detected from the client (txtTest"<b>"). 由于在.net中，Request时出现有HTML或Javascript等字符串时，系统会认为是危险性值。立马报错。 解决方案一： 在.a…
多画面、实时投票，这场上了一晚热搜的超级晚，背后的技术出圈了
"让观众当导演，自己决定演出顺序？" "不仅直播前台演出，还可以看到候场区明星吃火锅？" 你没听错，在各种直播、晚会频出的岁末年初，最近有一台超级晚出圈了。 1月15日，2021爱…
linux下挂载硬盘
2019独角兽企业重金招聘Python工程师标准>>> 切换到root用户 su - root 查看硬盘信息 fdisk -l Disk /dev/sda: 42.9 GB, 42949672960 bytes 255 heads, 63 sectors/track, 5221 cylinders Units cylinders of 16065 * 512 8225280 bytes Sector size (logical/ph…
通过创建 HttpCookie 对象的实例编写 Cookie
通过创建 HttpCookie 对象的实例编写 Cookie HttpCookie myCookie new HttpCookie("UserSettings");myCookie["Font"] "Arial";myCookie["Color"] "Blue";myCookie.Expires DateTime.Now.AddDays(1d);Response.Cookies…
亚马逊云服务（AWS）云原生自研处理器首次落地中国区域！
2021年1月28日，亚马逊云服务（AWS）正式宣布，由 AWS Graviton2 处理器提供支持的 Amazon Elastic Compute Cloud （Amazon EC2） M6g、C6g 和 R6g 实例已在由光环新网运营的 AWS 中国（北京ÿ…
一个古老的问题HashMap与Hashtable区别
HashTable的应用非常广泛，HashMap是新框架中用来代替HashTable的类，也就是说建议使用HashMap，不要使用HashTable。可能你觉得HashTable很好用，为什么不用呢？这里简单分析他们的区别。 1.HashTable的方法是同步的&#…
如何修改可运行Jar包，如何反编译Jar包
将可运行Jar包，反编译成项目，修改代码，再次编译，打包。 需要工具：jd-gui、myeclipse 具体步骤： 1、使用jd-gui打开原始的Jar包，选择File-->Save All Sources，会生成一个zip压缩包…
告别手敲 SQL ？GPT-3 自动帮你写
作者 | Brian Kane SeekWell 编译 | 伍杏玲 出品 | AI科技大本营（ID：rgznai100） 【导语】手写业务 SQL 很繁琐？GPT-3来帮你！本文作者通过手动输入简单的英文描述秒 Get 到 SQL 了。听说 AI 又来抢开发者饭碗࿰…
Java IO 体系结构
参考文章地址: http://blog.csdn.net/oracle_microsoft/article/details/2634231 Java IO体系结构看似庞大复杂,其实有规律可循,要弄清楚其结构,需要明白两点: 1. 其对称性质:InputStream 与 OutputStream, Reader 与 Writer,他们分别是一套字节输入-输出,字符输入-输出体系 2.…
ACCESS数据库防止下载
1. 修改数据库名。这是常用方法，将数据库名该成怪异名字或长名字，以防别人猜测。一旦被人猜到，别人还是能下载数据库文件，但几率不大。如将数据库database.mdb改成dslfjds$^&ijjkgf.mdb等 2. 修改数据库后缀。一般改成databa…
CentOS 7 SSH 免密登录的方法
先决条件 3 台 CentOS 7 HOSTNAMEIPROLEserver110.8.26.197Masterserver210.8.26.196Slave1server310.8.26.195Slave21. 用 root 用户登录。每台服务器都生成公钥，再合并到 authorized_keys。 2. CentOS 默认没有启动 ssh 无密登录，去掉 /etc/ssh/sshd_c…
webconfig加密
退到根目录 cd/跳到某盘 c: ..跳到某目录 cd Documents and Settings/All Users上一层 cd .. cd WINDOWS/Microsoft.NET/Framework/v2.0.50727 回车 aspnet_regiis -pef connectionStrings D:/NET aspnet_regiis -pe connectionStrings -app /NET 虚拟目录aspnet_regiis -pd…