如何用python整理附件

本篇文章給大家整理了關於如何用python整理附件的相關知識點，學習python的朋友可以跟著測試下。

目前我的文件夾中有500多份簡歷，如果我想知道壹些信息，比如學校，學歷之類的，我需要打開每壹份word去查看，太耗時間了。這個時候python需要出馬了。

目標

目前類似截圖中的word有600+，想簡單的進行整理：

可以整理出壹份excel用於導航（類似目錄），可以通過excel來快速定位到所要的附件，如下圖效果：

具體實現

有了目標，就具體說說如何實現的，整理思路還是比較簡單的，就是遍歷所有的word文件，將word中關鍵的信息獲取到並保存到excel中。

這裏列下主要用到的模塊：

import xlsxwriter

import subprocess

import os

import docx

import sys

import rexlsxwriter主要用來操作excel，xlsxwriter只能用來寫，效率上比xlwt要高，數據量不多，用xlwt也ok。

subprocess主要用來調用命令行，因為docx模塊無法解析doc的word文件，所以在解析前將doc的文件轉換成docx文件。

os主要用於遍歷文件夾獲取文件。

docx主要用來解析word文檔。

規範下文件名

首先我們先規範下文件名稱，因為在使用subprocess.call調用命令時，空格，特殊符號之類的沒辦法轉義導致報錯，所以幹脆在之前就清理掉這個潛在問題。

def remove_doc_special_tag():

for filename in os.listdir(path):

otherName = re.sub("[s+!/_,$%^*(+"')]+|[+——()?“”！，。？、~@#￥%?&*（）]+", "",filename)

os.rename(os.path.join(path,filename),os.path.join(path,otherName))遍歷文件

之後我們就可以開始正題，遍歷每個文件進行解析：

path='/Users/cavin/Desktop/files'

for filename in os.listdir(path):

...具體邏輯...這裏碰到壹個問題，首先是docx模塊無法解析doc的word文檔，由於又是使用的mac，所以也無法使用win32com模塊，這個問題就比較尷尬，後來google發現可以通過命令將doc轉換成docx。

這裏註意下轉換後的docx文件樣式是丟失的，但這不影響我獲取文本信息。

於是就有了這段代碼，如果是doc的文件，優先轉換成docx，待解析完之後再移除掉。

if filename.endswith('.doc'):

subprocess.call('textutil -convert docx {0}'.format(fullname),shell=True)

fullname=fullname[:-4]+".docx"

sheetModel= etl_word_files(fullname)#解析文本邏輯

subprocess.call('rm {0}'.format(fullname),shell=True) #移除轉換的文件解析word文件

接下來就是解析文件了，通過docx模塊很容易實現,具體的解析邏輯就不貼了，就是遍歷每壹行，根據壹些關鍵字，符號來截取數據（每個簡歷格式基本上差不多的）

doc = docx.Document(fullname)

for para in doc.paragraphs:

print(para.text)

...具體解析邏輯...填充excel

解析完的數據就可以直接填充excel了:

workbook = xlsxwriter.Workbook('report_list.xlsx')

worksheet = workbook.add_worksheet('list')

worksheet.write(0,0, '序號')

worksheet.write(0,1, '姓名')

worksheet.write(0,2, '性別')

worksheet.write(0,3, '年齡')

worksheet.write(0,4, '籍貫')

worksheet.write(0,5, '目前所在地')

worksheet.write(0,6, '學歷')

worksheet.write(0,7, '學校')

worksheet.write(0,8, '公司')

worksheet.write(0,9, '職位')

worksheet.write(0,10, '文檔鏈接')這裏主要說下文檔鏈接的填充，由於是要給其他人的，只要保證附件和excel在同壹個文件夾下，采用相對路徑的方式來實現，可以使用Excel的函數HYPERLINK:

worksheet.write(index,10, '=HYPERLINK("./'+filename+'","附件")')問題點

到這裏，基本上可以實現相應的功能了，但不是很完美，主要是word中的格式不標準，沒有很好的方式去準確獲取到我要的數據，但主要的姓名學校之類的大多數都抓到了，也算減輕點任務啦。

總結

利用python還是減少了壹定的重復勞動，但面對壹些不標準的東東貌似還沒有很好的方式。

雖然可以增加邏輯來兼容這些不標準，但顯然這個付出和產出就有點不成正比了。

利用好手上的工具去提高效率才是真的，至於是傻瓜式的重復工作，還是通過代碼來減少重復勞動，就看妳自己怎麽看啦。