盘点一个Python自动化办公的实战案例(word文件处理)

Python爬虫与数据挖掘

共 6160字,需浏览 13分钟

 ·

2022-10-20 00:53

点击上方“Python爬虫与数据挖掘”,进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

溪花与禅意,相对亦忘言。

大家好,我是Python进阶者。

一、前言

前几天在Python铂金交流群【Jethro Shen】问了一个Python自动化办公的问题,提问截图如下:

代码运行后的结果:

他预期的效果是选项和答案部分也需要显示出来,目前看上去还是没有显示出来。

他的原始代码如下:

import re

black_char = re.compile("[\s\u3000\xa0]+")

chinese_nums_rule = re.compile("[一二三四]、(.+?)\(")
title_rule = re.compile("\d+.")
option_rule = re.compile("\([ABCDEF]\)")
option_rule_search = re.compile("\([ABCDEF]\)[^(]+")
answer_rule = re.compile("\([ABCDEF]\)")

# 从word文档的“一、单项选择题”开始遍历数据
for paragraph in doc.paragraphs[1:100]:
    #  去除空白字符,将全角字符转半角字符,并给括号之间调整为中间二个空格
    line = black_char.sub("", paragraph.text).replace(
        "(""(").replace(")"")").replace("."".").replace("()""(  )").replace("【""").replace("】""")
    # 对于空白行就直接跳过
    if not line:
        continue
    if title_rule.search(line):
        print("题目", line)
    elif option_rule.search(line):
        print("选项", option_rule_search.findall(line))
    elif answer_rule.search(line):
        print("答案",answer_rule.findall(line))
    else:
        chinese_nums_match = chinese_nums_rule.search(line)
        if chinese_nums_match:
            print("题目", chinese_nums_match.group(1))

二、实现过程

这里【瑜亮老师】指出是正则表达式的问题,没匹配到,自然就出不来结果。后来【不上班能干啥!】给了一份代码,如下所示:

import re

black_char = re.compile("[\s\u3000\xa0]+")

chinese_nums_rule = re.compile("[一二三四]、(.+?)\(")
title_rule = re.compile("\d+.")
option_rule = re.compile("([A-F]\..+?)\s")
# option_rule_search = re.compile("\([A-F]\)[^(]+")
answer_rule = re.compile("【答案】([A-F])")

# 从word文档的“一、单项选择题”开始遍历数据
for paragraph in doc.paragraphs[1:100]:
    #  去除空白字符,将全角字符转半角字符,并给括号之间调整为中间二个空格
    line = black_char.sub(" ", paragraph.text).replace(
        "(""(").replace(")"")").replace("."".").replace("()""(  )") + " "
    # 对于空白行就直接跳过
    if not line:
        continue
    if title_rule.match(line):
        print("题目", line)
    elif option_rule.match(line):
        print("选项", option_rule.findall(line))
        if '【答案】' in line and answer_rule.search(line):
            print("答案",answer_rule.findall(line))
    elif answer_rule.match(line):
        print("答案",answer_rule.findall(line))
    else:
        chinese_nums_match = chinese_nums_rule.match(line)
        if chinese_nums_match:
            print("题目", chinese_nums_match.group(1))

运行之后,可以得到预期发效果:

归根结底,还是正则表达式的问题。

后来【甯同学】使用 openpyxl库,也给了一份代码,如下所示:

from docx import Document
import openpyxl
wb = openpyxl.Workbook()
ws = wb.active
ws.append(['题目','选项1','选项2','选项3','选项4','答案'])
doc = Document("题库.docx")
all_runs = doc.paragraphs 
rows = []
for run in all_runs[1:]:
    print([run.text])
    if '【答案】' in run.text:
        text_list= run.text.replace('\n    ','\t\t').replace('【答案】','').split('\t\t')
        rows += text_list 
        ws.append(rows)
        rows = []
        continue
    text_list= run.text.replace('\n    ','\t\t').split('\t\t')
    rows += text_list 
wb.save('1.xlsx')

可以得到预期的效果,如下图所示:

效果还是不错的!

后来【不上班能干啥!】还结合Pandas给了一份代码,如下所示:

import re
import pandas as pd
from docx import Document

doc = Document("题库.docx")
text = re.sub(r'<.*?>''', doc.part.blob.decode('utf-8'), flags=re.S)

a = pd.DataFrame(re.findall(r'(\d+\..*?)(A\..*?)(B\..*?)(C\..*?)(D\..*?)【答案】([A-Z])', text), 
                 columns=['题目''选项一''选项二''选项三''选项四''答案'])
a.replace([r'^\s+''\s+$'], '', regex=True, inplace=True)
a.to_excel('题库.xlsx', index=False)

这个Pandas功力已经到炉火纯青的地步了!

三、总结

大家好,我是皮皮。这篇文章主要盘点了一个Python自动化办公的问题,文中针对该问题,给出了具体的解析和代码实现,帮助粉丝顺利解决了问题。

最后感谢粉丝【WYM】提问,感谢【dcpeng】、【瑜亮老师】、【不上班能干啥!】、【甯同学】给出的思路和代码解析,感谢【水方人子】、【D I Y】、【冫马讠成】、【猫药师Kelly】等人参与学习交流。

大家在学习过程中如果有遇到问题,欢迎随时联系我解决(我的微信:pdcfighting),应粉丝要求,我创建了一些高质量的Python付费学习交流群和付费接单群,欢迎大家加入我的Python学习交流群和接单群!

小伙伴们,快快用实践一下吧!如果在学习过程中,有遇到任何问题,欢迎加我好友,我拉你进Python学习交流群共同探讨学习。

------------------- End -------------------

往期精彩文章推荐:

欢迎大家点赞,留言,转发,转载,感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群

万水千山总是情,点个【在看】行不行

/今日留言主题/

随便说一两句吧~~

浏览 30
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报