python办公自动化（6）——读取word文档

数学ばか

已于 2022-08-25 18:05:33 修改

阅读量9.8k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： python办公自动化文章标签： python 开发语言深度学习

于 2022-08-21 17:17:06 首次发布

本文链接：https://blog.youkuaiyun.com/tianshijie08/article/details/126438427

本文介绍如何使用Python的python-docx模块读取Word文档，包括安装docx库、读取文档、段落、指定样式和内容，以及遍历索引，重点讲解了读取Word文档中的信息和样式名称。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、思路和基础知识

因为我们要进行文件相关的操作，所以需要在一开始使用import导入Python内置的os模块。

我们需要先获取该文件夹下所有的答题卡列表，再使用for循环遍历文件夹中所有学生的答题卡，以便之后逐个读取信息。
完成了第一个步骤，接下来，我们就需要在for循环里，依次获取每位学生的班级、姓名、学号、选择题分数和填空题分数。

面对总共三个班的学生，每位学生都有相对应的五条信息，我们应该如何在程序中存储这些数据呢？我们可以在for循环内，使用字典来存储每位学生的信息。在这个字典中，我们用5个键（key）值（value）对来分别存储学生的班级、姓名、学号、填空题成绩和选择题成绩。键的名称和对应数据如图所示。

确定使用字典来存储每个学生的数据后，我们可以在for循环外，使用一个列表来汇总存储所有学生的字典数据。如图所示：列表中的每个元素就是一个装了学生信息的字典。

# 使用import导入os模块
import os

# 将乔老师的答题卡文件夹路径 /Users/qiao/answerKey 赋值给变量allKeyPath
allKeyPath = "/Users/qiao/answerKey"
# 使用os.listdir()函数获取该路径下所有的文件，并赋值给变量allItems
allItems = os.listdir(allKeyPath)

# 定义一个空列表allStudentsData存储所有学生数据
allStudentsData = []

# 使用for循环逐个遍历所有学生答题卡
for item in allItems:
    # 定义一个空字典studentData存储单个学生数据
    studentData = {
   }
    
    # 使用os.path.splitext()函数获取文件名的前半段，并赋值给变量fileName
    fileName = os.path.splitext(item)[0]
    # 使用split()函数以"-"分隔文件名，将第1部分班级信息赋值到学生数据字典的classInfo键里
    studentData["classInfo"] = fileName.split("-")[0]
    # 使用split()函数以"-"分隔文件名，将第2部分姓名信息赋值到学生数据字典的name键里
    studentData["name"] = fileName.split("-")[1]

    # 使用append()函数将studentData添加到总学生数据allStudentsData中
    allStudentsData.append(studentData)
    
# 使用print输出变量allStudentsData
print(allStudentsData)

刚刚我们已经完成了前两步，现在我们来完成第三步：确定答题卡中要读取的信息位置。

在开始确定答题卡中要读取的信息位置前，我们需要先学习一下Word文档的基本结构。
一个Word文件就是一个Word文档（Document）。Word文档（Document）的基本组成单位是段落（Paragraph）。标题、目录、正文、图形、空行都是段落。每个段落之中的内容可以具有不同的样式（Style）。常见的样式有：字体、字形、字号、字体颜色、下划线、删除线、上标和下标等。连续具有相同样式的基本单元可称为一个样式块（run）。例如，图中这一段话原本是同一个样式块。但在这个段落中加粗一个字，那么这个字就形成了一个样式块。并且这个加粗的字的左右两边都被切割成了新的样式块。这样这句话就变成了三个样式块。没有任何内容的空行段落里没有样式块。段落里只要有内容就至少包含一个样式块。
在这里插入图片描述