一.項目背景

   日常工作中，我們不免會遇到接收大量相似的word文檔，并需要把這些文檔中的數(shù)
   據(jù)提取到Excel表中。例如，提取word文檔中的財務(wù)數(shù)據(jù)、考勤數(shù)據(jù)等，將數(shù)據(jù)存儲到
Excel表中，本次項目我們專門針對word文檔中的表格數(shù)據(jù)進(jìn)行解析與提取。

原始數(shù)據(jù)文件（word文檔）

word文檔內(nèi)容

本次我們的目標(biāo)是提取表格列名稱和人數(shù)這一行，最后存儲為Excel文件。

目標(biāo)Excel文件

二.實現(xiàn)步驟

import pandas as pd
import docx
import os

#提取word文檔表格
def DocParsing(path_para):
    #獲取文件列表
    file_list = os.listdir(path_para)
    #創(chuàng)建存儲所有數(shù)據(jù)的列表
    list_combine = []

    #遍歷word文件列表
    for file in file_list:
        #讀取word文檔
        doc = docx.Document(path_para + '/' + file)
        #創(chuàng)建存儲單個word文檔數(shù)據(jù)的列表，key存儲值，col存儲列名稱
        key, col = [], []
        #獲取word文檔的表格
        tb = doc.tables[0]
        #row_index 表示表格的行數(shù)
        row_index=0
        #遍歷表格的行
        for row in tb.rows:
            #記錄行數(shù)
            row_index += 1
            #不提取占比這行
            if row_index == 3:
                continue
            else:
            #遍歷每行的單元格
                for cell in row.cells:
                    text = ""
                    #解析每一個單元格的數(shù)據(jù)
                    for p in cell.paragraphs:
                        text += p.text
                    #提取列名稱
                    if row_index == 1 :
                        #提取人數(shù)數(shù)據(jù)
                        col.append(text)
                    else:
                        key.append(text)

        #修改列表'col'的第一個元素為‘部門’
        col[0] = '部門'
        #修改列表‘key’的第一個元素為具體部門名稱
        key[0] = file[4:16]
        #將提取的數(shù)據(jù)轉(zhuǎn)化為單行DataFrame對象
        data = pd.DataFrame({i: j for i, j in zip(col, key)}, index=[0])
        print(data)
        #將DataFrame對象存儲到列表
        list_combine.append(data)

    #合并數(shù)據(jù)并重建索引
    df = pd.concat(list_combine, ignore_index=True)
    #輸出數(shù)據(jù)
    print(df)
    #保存數(shù)據(jù)為Excel文件
    df.to_excel('考勤匯總表.xlsx')

DocParsing('./task/')