Python 处理统计多个 Word docx 表格中的文字信息到Excel xls 文件中

这里要处理的问题：

收到了好多读书心得的投稿，需要统计其中的学生信息，包括姓名，学号，班级等等

（如果你也有这种工作，建议使用问卷统计信息和问卷附件提交文件的形式来做这个活动，会更加简单省事，我这也是没办法了，只能自己再处理了）

处理步骤：

1. 获取文件夹下所有docx 文件的文件名

2. 读取docx 文件中表格的文本

3. 创建 xls文件把需要的信息保存到文件中

代码：

from docx import Document
import xlwt
import os
#获取文件夹下的所有 docx 后缀的文件名
file_dir = '/Users/thrive/Downloads'
#得到包含所有文件名的变量
filenametemp=[]
for parent, dirnames, filenames in os.walk(file_dir):
    filenametemp.append(filenames)
#获取后缀是 docx 的文件名
filename=[]
for file in filenametemp[0]:
    if str(file).endswith('docx'): 
        filename.append(file)
print(len(filename))#看一下一共获取了多少个文件
print(filename[0])#看一下变量中的第一个文件名

输出看一下：有 92 个文件，变量中的第一个文件名是 xxx

#创建一个 excel 文件写入想要的信息
workbook = xlwt.Workbook(encoding='utf-8')
sheet1 = workbook.add_sheet('sheet1',cell_overwrite_ok=True)#给excel文件添加sheet
n=0   #初始化要加入到表格的行
#逐个读取文件开始操作
for file in filename:
    doc = Document('/Users/thrive/Downloads/'+file)
    tbs = doc.tables#获取全部表格
    if len(tbs)==0:#有的文件格式不正确，读取不到表格，找到他们
        print(file)
    else:#对格式正确的文件进行处理
        # method 1
        text1=[]
        table = tbs[0]#第一个表格就是我们要的
        #按行获取文本内容
        row_num = len(table.rows)
        for i in range(row_num):
            rowtemp=table.rows[i]
            row_string = [cell.text for cell in rowtemp.cells]
            text1.append(row_string)
        # save into xlsx
        sheet1.write(n,0,text1[0][1])#name
        sheet1.write(n,1,text1[1][1])#class
        sheet1.write(n,2,text1[0][5])#student number
        sheet1.write(n,3,text1[1][5])#college 1
        sheet1.write(n,4,text1[1][3])#college 2
        sheet1.write(n,5,text1[3][1])#book name
        n=n+1
    
workbook.save('test.xls')

输出结果： xls 文件

另外显示有五个人的文件里边是没有表格的，没有按规定提交

到这已经可以了，多说一点，对于 docx 中表格内容的读取还可以这样操作：

# method 2
text2=[]
for tb in tbs:
    for row in tb.rows: 
        for cell in row.cells:
            text2.append(cell.text)
print(text2[0])

结果：

祝你工作顺利，学业进步