docx (Python)是什么格式？_生活百科

admin

2023-10-15 10:05:22

当我们做一些数据统计或分析时，我们有时会遇到Execl格式或Word格式的文件。Execl格式数据提取和分析，我们在之前的文章中分享了一些非常有用的Python第三方库，本文主要介绍如何使用Pythonpython-docx模块从Word文件中提取文本信息和表格数据。

python-docx安装

在本文中，python-docx安装在Windows10系统和Python3环境中使用pip进行安装。

为了方便理解，我们以python-docx.docx文件为例，演示如何用Python从其中提取文本数据和表格数据，并开发自定义函数以字典的形式提取内容。python-docx.docx文件的内容如下：

在使用python-docx读取word文档中的文本之前，我们先了解一下python-docx模块的一些概念。

一个代表Word文档的Document对象。一个代表Word文档中一个段落的Paragraph对象。Paragraph对象的text属性代表段落中的文本内容。

python-docx用于提取docx文件中的文本数据，Python实现代码如下：

如上，我们逐行提取python-docx.docx文件中的文本信息，并存储在字典中。字典的键是行号，值是文本信息。执行上述代码后，输出结果如下：

python-docx用于提取docx文件中的表格数据，Python实现代码如下：

如上，我们逐行提取python-docx.docx文件中的表单信息，并存储在列表中。列表的每个元素都是一个表的数据，数据结构是一个字典。执行上述代码后，输出结果如下：

我们还可以使用python-docx模块实现docx文件中的数据写入，如标题、字号、引用、列表、图片插入等。因为后面的代码注释比较详细，这里就不介绍了。代码如下：

执行上述代码，将写入的数据保存在testops—docx.docx文件中，内容如下：

我们可以基于上述自定义封装函数extract_text和extract_form并结合re模块来提取包含关键词的文本内容。代码实现如下：

如上，我们实现了提取docx文本中包含指定内容的文本信息，并输出内容所在的行，执行上述代码，输出结果为：