python对docx文件进行处理，识别docx文件内容是否带有某个词

最新推荐文章于 2024-09-27 10:41:47 发布

-FIONASENIOR！！PEI

最新推荐文章于 2024-09-27 10:41:47 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

文章标签： python

本文链接：https://blog.youkuaiyun.com/FIONASENIOR/article/details/124881652

学校给了我一个任务，有几百个文件，有些是docx格式，有些是doc格式，有些事pdf格式

！！！！！！需要注意的是，这个代码不能处理pdf和doc文件，幸好学校给我的那几百个文件里面，pdf、doc占比不是很大，因此对于这两类文件，我就是一个一个打开找的！！！！！！

任务为：在这几百文件里面找出内容里面含有 “小花” 、 “大树” 、“绿草” 这些字眼的文件

直接上代码，我慢慢解释

from docx import Document
import os


#读取文档
path='C:/Users/lenovo/Desktop/encode'
files= os.listdir(path)

这一步为读取你需要处理的文件的路径，以我的这个任务为例，我那几百个文件在 encode这个文件夹下

for file in files:
    File=file.split('.')
    # 一波小细节，这里面会把slip之后的结果赋给另一个变量 File，和file是不同的，改了名字。
    # 为了之后能继续用flie这个变量

    if 'pdf' in File:
        print(file+' is pdf file')
        continue
    if 'doc' in File:
        print(file + ' is doc file')
        continue
    ex=[]
    doc = Document(path+'/'+file) #filename为word文档

    # 处理段的内容，非表格
    # 有时候docx文件内会有表格的出现，有表格的话，表格里面的内容会由另外的命令来提取出来
    check=['小花','大树','绿草']
    pl = [ paragraph.text for paragraph in doc.paragraphs] 
    for i in pl:
        result=i.strip()
        # strip（） 将句子前后的