Python办公神器：教你使用 Python 批量整理通知文件

准备工作

在开始编写代码之前，我们需要先准备一些必要的工具和文件：

Python环境：本文使用的是Python 3.8，你可以在下载安装。

openpyxl库：这是一个用于操作Excel文件的Python库，你可以使用pip install openpyxl命令安装。

python-docx库：这是一个用于操作Word文件的Python库，你可以使用pip install python-docx命令安装。

glob库：这是一个用于获取文件路径的Python库，一般已经内置在Python中，无需安装。

Word文件：这是我们要提取信息的源文件，本文以7个会议通知文件为例，每个文件都包含学习时间、学习内容、学习形式、主持人四项关键信息，文件名分别为会议通知1.docx，会议通知2.docx，...，会议通知7.docx，存放在Notice文件夹下。

Excel文件：这是我们要写入信息的目标文件，本文以一个空白的Excel文件为例，文件名为Meeting_temp.xlsx，存放在与Notice文件夹同一级的目录下。

获取文件路径

第一步，我们需要获取Notice文件夹下的所有Word文件的路径，这样我们才能对每个文件进行操作。这里我们可以使用glob库的glob函数，它可以根据通配符匹配文件路径，返回一个列表。例如，我们可以使用glob.glob('*.docx')来匹配当前目录下的所有以.docx结尾的文件。

为了方便后续的操作，我们先定义一个变量path，表示我们的工作目录，也就是Notice文件夹和Excel文件所在的目录，你可以根据实际情况修改。然后，我们使用glob.glob(path + r'\Notice\*.docx')来获取Notice文件夹下的所有Word文件的路径，保存在一个变量files中。注意，这里我们使用了r字符串，表示原始字符串，不会对反斜杠进行转义。

代码如下：

importglobpath=r'C:\Users\xxx'# 路径为Notice文件夹和Excel文件所在的目录，可按实际情况更改files=glob.glob(path+r'\Notice\*.docx')# 获取Notice文件夹下的所有Word文件的路径print(files)# 打印文件路径列表，检查是否正确

输出如下：

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

解析Word文件

第二步，我们需要解析每个Word文件，获取需要的四个信息，即学习时间、学习内容、学习形式、主持人。这里我们可以使用python-docx库的Document类，它可以读取Word文件，并将其内容以段落（Paragraph）为单位进行划分。我们可以遍历每个段落，根据其文本内容，判断是否包含我们需要的信息，并提取出来。

为了方便后续的操作，我们先定义一个变量number，表示序号，用于记录每个文件的顺序。然后，我们使用一个for循环，遍历files列表中的每个文件路径，使用Document类打开每个文件，保存在一个变量wordfile中。接着，我们定义一个空列表content_lst，用于存放学习内容，因为学习内容可能分散在多个段落中，我们需要将它们合并成一个字符串。然后，我们使用一个嵌套的for循环，遍历wordfile中的每个段落，根据其文本内容，判断是否包含我们需要的信息，并提取出来，保存在相应的变量中。具体的判断逻辑如下：

如果段落的文本以“学习时间：”开头，那么我们就提取其后面的部分，保存在一个变量study_time中。

如果段落的文本以“主持人：”开头，那么我们就提取其后面的部分，保存在一个变量host中。

如果段落的文本以“学习形式：”开头，那么我们就提取其后面的部分，保存在一个变量study_type中。

如果段落的文本的长度大于等于2，且第一个字符是数字，第二个字符是中文顿号“、”，那么我们就认为这是学习内容的一部分，将其添加到content_lst中。

代码如下：

from docximportDocumentnumber=0# 定义一个变量，表示序号forfileinfiles:# 遍历每个文件路径    wordfile=Document(file)# 打开每个文件    content_lst=[]# 定义一个空列表，用于存放学习内容forparagraphinwordfile.paragraphs:# 遍历每个段落ifparagraph.text[0:5]=='学习时间：':# 如果段落的文本以“学习时间：”开头            study_time=paragraph.text[5:]# 提取其后面的部分，保存在study_time中ifparagraph.text[0:4]=='主持人：':# 如果段落的文本以“主持人：”开头            host=paragraph.text[4:]# 提取其后面的部分，保存在host中ifparagraph.text[0:5]=='学习形式：':# 如果段落的文本以“学习形式：”开头            study_type=paragraph.text[5:]# 提取其后面的部分，保存在study_type中iflen(paragraph.text)>=2:# 如果段落的文本的长度大于等于2ifparagraph.text[0].isdigit()and paragraph.text[1]=='、':# 如果第一个字符是数字，第二个字符是中文顿号“、”                content_lst.append(paragraph.text)# 将其添加到content_lst中    content=' '.join(content_lst)# 将content_lst中的元素用空格连接成一个字符串，保存在content中print(study_time,content,study_type,host)# 打印提取的信息，检查是否正确

写入Excel文件

第三步，我们需要将提取的信息写入Excel文件中，这样我们就可以方便地查看和管理。这里我们可以使用openpyxl库的Workbook类和Worksheet类，它们可以创建和操作Excel文件和工作表。我们可以使用Workbook类的active属性，获取当前活动的工作表，保存在一个变量sheet中。然后，我们可以使用Worksheet类的cell方法，根据行号和列号，指定单元格，并给其赋值。

为了方便后续的操作，我们先定义一个变量excel_file，表示我们要写入的Excel文件的路径，你可以根据实际情况修改。然后，我们使用Workbook类创建一个Excel文件对象，保存在一个变量wb中。

接着，我们使用wb的active属性，获取当前活动的工作表，保存在一个变量sheet中。然后，我们使用sheet的cell方法，给第一行的每一列赋值，作为表头，分别是序号、学习时间、学习内容、学习形式、主持人。

接下来，我们使用一个for循环，遍历files列表中的每个文件路径，使用Document类打开每个文件，保存在一个变量wordfile中。然后，我们使用和上一步相同的逻辑，提取每个文件中的四个信息，保存在相应的变量中。

最后，我们使用sheet的cell方法，给每一行的每一列赋值，分别是序号、学习时间、学习内容、学习形式、主持人。注意，这里我们需要将序号加1，因为第一行已经被表头占用了。最后，我们使用wb的save方法，保存Excel文件。

代码如下：

from openpyxlimportWorkbookexcel_file=path+r'\Meeting_temp.xlsx'# 定义Excel文件的路径，可按实际情况更改wb=Workbook()# 创建一个Excel文件对象sheet=wb.active # 获取当前活动的工作表sheet.cell(row=1,column=1).value='序号'# 给第一行第一列赋值，作为表头sheet.cell(row=1,column=2).value='学习时间'# 给第一行第二列赋值，作为表头sheet.cell(row=1,column=3).value='学习内容'# 给第一行第三列赋值，作为表头sheet.cell(row=1,column=4).value='学习形式'# 给第一行第四列赋值，作为表头sheet.cell(row=1,column=5).value='主持人'# 给第一行第五列赋值，作为表头forfileinfiles:# 遍历每个文件路径 wordfile=Document(file)# 打开每个文件 content_lst=[]# 定义一个空列表，用于存放学习内容forparagraphinwordfile.paragraphs:# 遍历每个段落ifparagraph.text[0:5]=='学习时间：':# 如果段落的文本以“学习时间：”开头 study_time=paragraph.text[5:]# 提取其后面的部分，保存在study_time中ifparagraph.text[0:4]=='主持人：':# 如果段落的文本以“主持人：”开头 host=paragraph.text[4:]# 提取其后面的部分，保存在host中ifparagraph.text[0:5]=='学习形式：':# 如果段落的文本以“学习形式：”开头 study_type=paragraph.text[5:]# 提取其后面的部分，保存在study_type中iflen(paragraph.text)>=2:# 如果段落的文本的长度大于等于2ifparagraph.text[0].isdigit()and paragraph.text[1]=='、':# 如果第一个字符是数字，第二个字符是中文顿号“、” content_lst.append(paragraph.text)# 将其添加到content_lst中 content=' '.join(content_lst)# 将content_lst中的元素用空格连接成一个字符串，保存在content中 number+=1# 将序号加1sheet.cell(row=number+1,column=1).value=number # 给每一行第一列赋值，作为序号 sheet.cell(row=number+1,column=2).value=study_time # 给每一行第二列赋值，作为学习时间 sheet.cell(row=number+1,column=3).value=content # 给每一行第三列赋值，作为学习内容 sheet.cell(row=number+1,column=4).value=study_type # 给每一行第四列赋值，作为学习形式 sheet.cell(row=number+1,column=5).value=host # 给每一行第五列赋值，作为主持人wb.save(excel_file)# 保存Excel文件

完成任务

至此，我们已经完成了用Python批量提取Word文件中的关键信息，并写入Excel文件中的任务。你可以打开Meeting_temp.xlsx文件，查看结果，如下图所示：

你可以看到，我们成功地将7个Word文件中的四个信息提取出来，并按照序号、学习时间、学习内容、学习形式、主持人的顺序，写入Excel文件中，方便查阅和管理。

总结

本文教你如何用Python批量提取Word文件中的关键信息，并写入Excel文件中，只需几行代码，就可以节省大量的时间和精力。本文涉及到的主要技术点有：

openpyxl库：用于操作Excel文件，可以创建、读取、写入、修改Excel文件和工作表。

python-docx库：用于操作Word文件，可以读取、写入、修改Word文件和段落。

glob库：用于获取文件路径，可以根据通配符匹配文件路径，返回一个列表。