Python辦公神器：教你使用 Python 批量整理通知文件
你是否遇到過這樣的情況：你有一堆Word文件，每個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Excel表格中，方便查閱和管理。但是，手動打開每個文件，復制粘貼信息，又太費時費力，而且容易出錯。
有沒有什么辦法可以讓Python幫你自動完成這個任務呢？答案是肯定的！本文將教你如何用Python批量提取Word文件中的關鍵信息，并寫入Excel文件中，只需幾行代碼，就可以節省大量的時間和精力。
準備工作
在開始編寫代碼之前，我們需要先準備一些必要的工具和文件：
- Python環境：本文使用的是Python 3.8，你可以在下載安裝。
- openpyxl庫：這是一個用于操作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：這是一個用于獲取文件路徑的Python庫，一般已經內置在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個會議通知文件為例，每個文件都包含學習時間、學習內容、學習形式、主持人四項關鍵信息，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文件，本文以一個空白的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文件進行操作。這里我們可以使用glob庫的glob函數，它可以根據通配符匹配文件路徑，返回一個列表。例如，我們可以使用glob.glob('*.docx')來匹配當前目錄下的所有以.docx結尾的文件。
為了方便后續的操作，我們先定義一個變量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，你可以根據實際情況修改。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，不會對反斜杠進行轉義。
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Word文件，獲取需要的四個信息，即學習時間、學習內容、學習形式、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，并將其內容以段落（Paragraph）為單位進行劃分。我們可以遍歷每個段落，根據其文本內容，判斷是否包含我們需要的信息，并提取出來。
為了方便后續的操作，我們先定義一個變量number，表示序號，用于記錄每個文件的順序。然后，我們使用一個for循環，遍歷files列表中的每個文件路徑，使用Document類打開每個文件，保存在一個變量wordfile中。接著，我們定義一個空列表content_lst，用于存放學習內容，因為學習內容可能分散在多個段落中，我們需要將它們合并成一個字符串。然后，我們使用一個嵌套的for循環，遍歷wordfile中的每個段落，根據其文本內容，判斷是否包含我們需要的信息，并提取出來，保存在相應的變量中。具體的判斷邏輯如下：
- 如果段落的文本以“學習時間：”開頭，那么我們就提取其后面的部分，保存在一個變量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，保存在一個變量host中。
- 如果段落的文本以“學習形式：”開頭，那么我們就提取其后面的部分，保存在一個變量study_type中。
- 如果段落的文本的長度大于等于2，且第一個字符是數字，第二個字符是中文頓號“、”，那么我們就認為這是學習內容的一部分，將其添加到content_lst中。
代碼如下：
from docx import Document
number = 0 # 定義一個變量，表示序號
for file in files: # 遍歷每個文件路徑
wordfile = Document(file) # 打開每個文件
content_lst = [] # 定義一個空列表，用于存放學習內容
for paragraph in wordfile.paragraphs: # 遍歷每個段落
if paragraph.text[0:5] == '學習時間：': # 如果段落的文本以“學習時間：”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] == '學習形式：': # 如果段落的文本以“學習形式：”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] == '、': # 如果第一個字符是數字，第二個字符是中文頓號“、”
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，獲取當前活動的工作表，保存在一個變量sheet中。然后，我們可以使用Worksheet類的cell方法，根據行號和列號，指定單元格，并給其賦值。
為了方便后續的操作，我們先定義一個變量excel_file，表示我們要寫入的Excel文件的路徑，你可以根據實際情況修改。然后，我們使用Workbook類創建一個Excel文件對象，保存在一個變量wb中。
接著，我們使用wb的active屬性，獲取當前活動的工作表，保存在一個變量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、學習時間、學習內容、學習形式、主持人。
接下來，我們使用一個for循環，遍歷files列表中的每個文件路徑，使用Document類打開每個文件，保存在一個變量wordfile中。然后，我們使用和上一步相同的邏輯，提取每個文件中的四個信息，保存在相應的變量中。
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、學習時間、學習內容、學習形式、主持人。注意，這里我們需要將序號加1，因為第一行已經被表頭占用了。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，可按實際情況更改
wb = Workbook() # 創建一個Excel文件對象
sheet = wb.active # 獲取當前活動的工作表
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 = '學習時間' # 給第一行第二列賦值，作為表頭
sheet.cell(row=1, column=3).value = '學習內容' # 給第一行第三列賦值，作為表頭
sheet.cell(row=1, column=4).value = '學習形式' # 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: # 遍歷每個文件路徑
wordfile = Document(file) # 打開每個文件
content_lst = [] # 定義一個空列表，用于存放學習內容
for paragraph in wordfile.paragraphs: # 遍歷每個段落
if paragraph.text[0:5] == '學習時間：': # 如果段落的文本以“學習時間：”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] == '學習形式：': # 如果段落的文本以“學習形式：”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] == '、': # 如果第一個字符是數字，第二個字符是中文頓號“、”
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，作為學習時間
sheet.cell(row=number+1, column=3).value = content # 給每一行第三列賦值，作為學習內容
sheet.cell(row=number+1, column=4).value = study_type # 給每一行第四列賦值，作為學習形式
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
至此，我們已經完成了用Python批量提取Word文件中的關鍵信息，并寫入Excel文件中的任務。你可以打開Meeting_temp.xlsx文件，查看結果，如下圖所示：
你可以看到，我們成功地將7個Word文件中的四個信息提取出來，并按照序號、學習時間、學習內容、學習形式、主持人的順序，寫入Excel文件中，方便查閱和管理。
總結
本文教你如何用Python批量提取Word文件中的關鍵信息，并寫入Excel文件中，只需幾行代碼，就可以節省大量的時間和精力。本文涉及到的主要技術點有：
- openpyxl庫：用于操作Excel文件，可以創建、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，可以根據通配符匹配文件路徑，返回一個列表。
