使用python从docx中抽取特定段落并保存到txt文档中

https://blog.csdn.net/HUSTER_LC/article/details/79367286

 

1、遇到问题

    工作中遇到一个问题，需要从dcox文档中抽取特定的段落；通过对目标对象的调查，发现目标段落的公共特性：具有同样的段落样式，并且有共同的开头Sysname；

    同时存在另外一个问题，存在多个目标文档，且这些目标文档存在同一个目标文件夹中

2、解决方案

    先解决问题1：获取指定路劲下的特定文档的目标段落

    在解决问题2 ：获取指定路径下的docx文档的列表

    1、问题 1 :

        使用python docx 获取目标文档的目标段落并使用re模块查找包含Syname的段落

    2、问题 2：

        使用os改变工作路径，并获取特定路劲下的文档列表，送给1进行处理

3、实施

    1、打开目标文档，获取目标段落

        

1.  
   #-*- coding = utf-8 -*-
2.  
   import docx
3.  
   #获取docx文档的所有段落 path : 相对路径包含文档名称
4.  
   def getpara(path):
5.  
       try :
6.  
           docx_temp = docx.Document(path)
7.  
       except :
8.  
           print("can't open the docx")
9.  
           return False
10.  
        try :
11.  
            docx_para = docx_temp.paragraphs
12.  
            print("Succeed getting the para:",path)
13.  
            return docx_para
14.  
        except :
15.  
            print("can't get the ",path," paragraphs")
16.  
            return False

1.  
   import re
2.  
   #从段落中抽取目标段落
3.  
   def findpara(parpas,str = "Sysname"):
4.  
   try :
5.  
       para_list = ["start"]
6.  
       pattern = re.complie(str)
7.  
       for para in paras :
8.  
           match1 = pattern.search(para.text)
9.  
           if match1 :
10.  
                para_list.append(para.text)
11.  
     
12.  
        para_list.pop(0)
13.  
        retuen para_list
14.  
    except :
15.  
        return False

     2、将查找到的段落写入txt文件

1.  
   #将制定一个列表的内容写入txt文件
2.  
   def list2txt(list,name="com") :        #文件名默认为com.txt
3.  
       if len(list) :
4.  
       try :
5.  
           fp = open("com.txt","w")
6.  
           for cloe in list :
7.  
               fp.write(cloe)
8.  
               fp.write("\n")
9.  
       except :
10.  
            return False
11.  
        finally:
12.  
            fp.close()

    3、工作目录切换与获取指定路径的文档列表

 

1.  
   import os
2.  
   #切换工作路径 返回该路径下的文档列表
3.  
   def set_wd(wd == '0') :
4.  
       if wd == '0' :
5.  
           try :
6.  
              os.chdir(wd)
7.  
              File_List = os.listdir(wd)
8.  
              return File_List
9.  
               except :
10.  
                print("Error")
11.  
               return False
12.  
        else :
13.  
            try :
14.  
               wd = os.getcwd()
15.  
                os.chdir(wd)
16.  
                print("Using the current path word")
17.  
                File_List = os.listdir(wd)
18.  
                return File_List
19.  
            except :
20.  
               print("Error")
21.  
               return False
22.  
     
23.  
    
    charles28437个月前 最后一段 def set_wd(wd == '0') : 这里在python 3.7环境下，语法不正确，应该是 def set_wd(wd='0'):