python从word中读取规则数据存到excel中

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：

方法很多，比如之前提到的pypdf。然而用起来其实稍显麻烦，很多 *** 作不够方便。

所以我一般用pdf2htmlex（github上有，一个国人项目，非python）先把pdf转html，接下来再用bs4来解析处理。好处是处理html的工具非常非常丰富，且pdf2htmlex对原页面的效果保持得特别好，特别是对于那些个用word和latex导出的pdf里，大量数据图表里的标签可以很方便地把值抓出来……

使用ospathabspath()函数来获取文件绝对路径

文件目录结构如下：

解析

假设apppy中想读取configini文件的内容，首先apppy需要知道configini的文件路径，从目录结构上可以看出，configini与apppy的父目录同级，也就是获取到apppy父目录(bin文件夹的路径)的父目录(config文件夹路径)的绝对路径再拼上configini文件名就能获取到configini文件：

首先，在apppy中测试一下：

import os

def load_file():

# 获取当前文件路径

current_path = ospathabspath(__file__)

# 获取当前文件的父目录

father_path = ospathabspath(ospathdirname(current_path) + ospathsep + "")

# configini文件路径,获取当前目录的父目录的父目录与congigini拼接

config_file_path=ospathjoin(ospathabspath(ospathdirname(current_path) + ospathsep + ""),'configini')

print('当前目录:' + current_path)

print('当前父目录:' + father_path)

print('configini路径:' + config_file_path)

load_file()

从结果中可以看到一切都正常，没有什么问题，假如现在需要从mainpy中执行apppy的load_file()方法呢？

来测试一下：

mainpy(处于同级目录)：

from binapp import load_file

if __name__=='__main__':

load_file()

可以看到，获取的路径是完全没有问题的

拓展内容

python ospath 常用模块介绍

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，对对象进行处理就是对word文档的内容处理。

二，相关概念

如果需要读取word文档中的文字（一般来说，程序也只需要认识word文档中的文字信息），需要先了解python-docx模块的几个概念。

1，Document对象，表示一个word文档。

2，Paragraph对象，表示word文档中的一个段落

3，Paragraph对象的text属性，表示段落中的文本内容。

三，模块的安装和导入

需要注意，python-docx模块安装需要在cmd命令行中输入pip install python-docx，如下图表示安装成功（最后那句英文Successfully installed，成功地安装完成，十分考验英文水平。）

注意在导入模块时，用的是import docx。

也真是奇了怪了，怎么安装和导入模块时，很多都不用一个名字，看来是很有必要出一个python版本的模块管理程序python-maven了，本段纯属PS。

四，读取word文本

在了解了上面的信息之后，就很简单了，下面先创建一个D:\temp\worddocx文件，并在其中输入如下内容。

然后写一段程序，代码及输出结果如下：

#读取docx中的文本代码示例

import docx

#获取文档对象

file=docxDocument("D:\\temp\\worddocx")

print("段落数:"+str(len(fileparagraphs)))#段落数为13，每个回车隔离一段

#输出每一段的内容

for para in fileparagraphs:

print(paratext)

#输出段落编号及段落内容

for i in range(len(fileparagraphs)):

print("第"+str(i)+"段的内容是："+fileparagraphs[i]text)

运行结果：

================ RESTART: F:/360data/重要数据/桌面/学习笔记/readWordpy ================

段落数:13

啊

我看见一座山

雄伟的大山

真高啊

啊

这座山是！

真的很高！

第0段的内容是：啊

第1段的内容是：

第2段的内容是：我看见一座山

第3段的内容是：

第4段的内容是：雄伟的大山

第5段的内容是：

第6段的内容是：真高啊

第7段的内容是：

第8段的内容是：啊

第9段的内容是：

第10段的内容是：这座山是！

第11段的内容是：

第12段的内容是：真的很高！

>>>

总结

以上就是本文关于Python读取word文本 *** 作详解的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

以上就是关于python从word中读取规则数据存到excel中全部的内容，包括:python从word中读取规则数据存到excel中、如何利用python抓取网页中的内容并存到word中、python读取已经打开的3个word和excle文件的路径等相关内容解答，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！