word 文档转excel乱码问题
解决方案一：
另存为：*.mht【单一网页文件】
excel打开
####　　存在问题：部分数据乱码
解决方案二：
另存为：*.xml
excel打开
####　存在问题：原格式展示需要重构

对于从word文档中得到的信息，我们往往需要写入excel，以便我们做后续的数据处理。在此，我们同样利用win32 的api，写入excel的方法如下：
def write_excel(workbook,i_in,name_in,Gender_in,School_in,Major_in,Grade_in,Birth_in,Telephone_in,QQ_in,
QQEmail_in,Place_in,Address_in,Data_number,Weeks_in,participate_in,other_team_in,Witch_team_in):
first_sheet=workbook.Worksheets(1)//需要获取excel
first_sheet.Cells(i_in,3).value=name_in
first_sheet.Cells(i_in,4).value=Gender_in
first_sheet.Cells(i_in,5).value=School_in
first_sheet.Cells(i_in,6).value=Major_in
first_sheet.Cells(i_in,7).value=Grade_in
first_sheet.Cells(i_in,8).value=Birth_in
first_sheet.Cells(i_in,9).value=Telephone_in
first_sheet.Cells(i_in,10).value=QQ_in
first_sheet.Cells(i_in, 11).value = QQEmail_in
first_sheet.Cells(i_in,12).value =Place_in
first_sheet.Cells(i_in,13).value=Address_in
first_sheet.Cells(i_in, 14).value = Weeks_in
first_sheet.Cells(i_in, 15).value = participate_in
first_sheet.Cells(i_in, 16).value = other_team_in
first_sheet.Cells(i_in, 2).value = Data_number
first_sheet.Cells(i_in, 1).value = Witch_team_in
print('成功写入:'+name_in+" 的信息","这是第",i_in-rember_ever+1,"个")
workbook.Save()
方法里的每条语句都写的很清楚，基本思路就是先创建并获取excel，然后在Cells里即表示保存的位置。
将上一部分的提取和本部分的写入相结合，完整代码如下：
#coding:utf-8
import win32com.client
import os
import win32com
from win32com.client import Dispatch, constants
from docx import Document
import time
def parse_docx(f,i,f_excel,Data_number):
"""读取docx，返回姓名和行业
"""
d = Document(f)
t = d.tables[
c297
0]
t_next=d.tables[1]
#title= t.cell(0,1).text
name = t.cell(1,1).text     #1
Gender = t.cell(1,3).text   #1
Race = t.cell(1,5).text     #1
School=t.cell(2,1).text     #1
Edu_back=t.cell(2,4).text   #1
Major=t.cell(3,1).text      #1
Grade=t.cell(3,4).text      #1
Poli_Status=t.cell(4,1).text#1
Place=t.cell(4,3).text      #1
ID_card=t.cell(5,1).text    #1
Date_birth=t.cell(5,4).text #1
Telephone=t.cell(6,1).text  #1
E_mail=t.cell(6,4).text     #1
QQ=t.cell(7,1).text         #1
Address=t.cell(7,4).text    #1
Which_team=t.cell(8,1).text #1
Weeks=t.cell(9,4).text
participate=t.cell(10,4).text
other_team=t.cell(11,4).text
#  Other=t_next.cell(1,1).text
print(name, Gender,Race,School,Edu_back,Major,Grade,Poli_Status,Place,ID_card,Date_birth,Telephone,E_mail,QQ,Place,Address,Which_team,
Weeks,participate,other_team,end='\n ')
write_excel(f_excel,i,name,Gender,School,Major,Grade,Date_birth,Telephone, E_mail,QQ,Place,Address,Data_number,
Weeks,participate,other_team,Which_team)
rename("C:\My_Work",f,name,Data_number)
def write_excel(workbook,i_in,name_in,Gender_in,School_in,Major_in,Grade_in,Birth_in,Telephone_in,QQ_in,
QQEmail_in,Place_in,Address_in,Data_number,Weeks_in,participate_in,other_team_in,Witch_team_in):
first_sheet=workbook.Worksheets(1)
first_sheet.Cells(i_in,3).value=name_in
first_sheet.Cells(i_in,4).value=Gender_in
first_sheet.Cells(i_in,5).value=School_in
first_sheet.Cells(i_in,6).value=Major_in
first_sheet.Cells(i_in,7).value=Grade_in
first_sheet.Cells(i_in,8).value=Birth_in
first_sheet.Cells(i_in,9).value=Telephone_in
first_sheet.Cells(i_in,10).value=QQ_in
first_sheet.Cells(i_in, 11).value = QQEmail_in
first_sheet.Cells(i_in,12).value =Place_in
first_sheet.Cells(i_in,13).value=Address_in
first_sheet.Cells(i_in, 14).value = Weeks_in
first_sheet.Cells(i_in, 15).value = participate_in
first_sheet.Cells(i_in, 16).value = other_team_in
first_sheet.Cells(i_in, 2).value = Data_number
first_sheet.Cells(i_in, 1).value = Witch_team_in
print('成功写入:'+name_in+" 的信息","这是第",i_in-rember_ever+1,"个")
workbook.Save()
def rename(path,old_file,newname,Data_number):
'''path="这里替换为你的文件夹的路径";
filelist=os.listdir(path)#该文件夹下所有的文件(包括文件夹)
for files in filelist:#遍历所有文件
Olddir=os.path.join(path,files);#原来的文件路径
if os.path.isdir(Olddir):#如果是文件夹则跳过
continue;'''
Olddir=os.path.join(path,old_file);#原来的文件路径
filename=os.path.splitext(old_file)[0];#文件名
filetype=os.path.splitext(old_file)[1];#文件扩展名
#   data_identi=
Newdir=os.path.join(path,str(Data_number)+newname+filetype);#新的文件路径
os.rename(Olddir,Newdir);#重命名
def introduction():
print("美仔你好，感谢使用本软件,它将会快速的帮你完成工作")
print("开始前，请将今天你收集的所有报名表放到C:\My_Work文件夹下,如果已经成功放置，请回复1,之后按回车")
rece_ancer=input()
while  (rece_ancer!='1'):
rece_ancer=input("还没准备好嘛，确认好了以后输入1\n")
print("好的，五秒钟后开始工作，在这期间，请不要打开word文档和excel文档哦\n")
time.sleep(1)
print("5")
time.sleep(1)
print("4")
time.sleep(1)
print("3")
time.sleep(1)
print("2")
time.sleep(1)
print("1")
if __name__ == "__main__":
data_identifier = int(input("请输入今天是几月几号，格式如：409、413、421,按回车结束\n"))
while True:
if(data_identifier>=101 and data_identifier<=1230):
break
else:
print("请重新输入")
data_identifier=int(input())
data_identifier = data_identifier * 100+1
print("好的，接下来请按提示操作",data_identifier)
introduction()
w = win32com.client.Dispatch('Word.Application')
excel = win32com.client.Dispatch('Excel.Application')
workbook=excel.Workbooks.open('C:\My_Work\\海口分队报名信息录入表(总表)+日期.xlsx')
excel.Visible=False
i=3
# 遍历文件
PATH = "C:\My_Work" # windows文件路径
doc_files = os.listdir(PATH)
rember_sheet=workbook.Worksheets(1)
for rember_ever in range(3,1000):
Value=rember_sheet.Cells(rember_ever,2).value
print(Value,rember_ever)
if(Value==None):
break
i=rember_ever
print("从上次的第",i,"行录入\n")
for doc in doc_files:
if os.path.splitext(doc)[1] == '.docx':
try:
parse_docx(PATH+'\\'+doc,i,workbook,data_identifier)
i=i+1
data_identifier=data_identifier+1
except Exception as e:
print(e)
elif os.path.splitext(doc)[1] == '.doc':
try:
parse_doc(PATH+'\\'+doc)
except Exception as e:
print (e)
print("全部操作完成,好了，现在你可以到C:\My_Work文件夹下查看数据,","今天一共写了",i-rember_ever,"个人的信息\n")
print("辛苦啦,现在请把C:\My_Work下的报名表复制到对应日期的文件夹内，并从“海口分队报名信息录入表(总表)+日期”这个文件里的信息\n复制到总的信息表上，压缩传到群里\n")
excel.Application.Quit()
time.sleep(150)

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
作者：小小明
来源：菜J学Python
Python爬虫、数据分析、网站开发等python基础教程案例教程视频免费在线观看

https://www.xin3721.com/eschool/pythonxin3721/
需求

有一个下面这种形式的word表格：


如何用Python将Word文档转换为Excel表格
希望能转换为下面这种格式的excel表格：


如何用Python将Word文档转换为Excel表格
测试word文档读取

先测试一个word文档前1页的数据读取：
from docx import Document
doc = Document(“编号02 质检员高级技师（一级）理论试卷.docx”)

for i, paragraph in enumerate(doc.paragraphs[:55]):

print(i, paragraph.text)

如何用Python将Word文档转换为Excel表格


从读取效果上看，各行文本数据都能很顺利的获取到。
匹配题型、题目和具体的选项

现在我们需要做的是就是匹配题型、题目和具体的选项，观察可以发现规律：
题型以大写数字开头

题目以普通数字+.开头

选项以括号+字母开头

❝
额外需要注意的：
开头几行文本也存在普通数字+.开头的，需要直接排除。
第7题的题目，和第19题的选项存在一些特殊的空白字符需要排除，
括号和小数点都同时存在半角和全角两种情况。
❞
对于需要注意的第二点：


如何用Python将Word文档转换为Excel表格

查看一下这2处的空白字符：
doc.paragraphs[21].text

‘7.（\xa0\xa0）是第一家实施六西格玛管理的公司。\xa0’
doc.paragraphs[49].text

‘（A）参数设计 （B）常量设计\u3000 （C）变量设计\u3000\u3000 （D）系统设计’
发现分别是\xa0和\u3000。
整理好大致思路，我组织一下处理代码：
import re
from docx import Document

doc = Document("编号02 质检员高级技师（一级）理论试卷.docx")

black_char = re.compile("[\s\u3000\xa0]+")

chinese_nums_rule = re.compile("[一二三四]、(.+?)\(")
title_rule = re.compile("\d+.")
option_rule = re.compile("\([ABCDEF]\)")
option_rule_search = re.compile("\([ABCDEF]\)[^(]+")


# 从word文档的“一、单项选择题”开始遍历数据
for paragraph in doc.paragraphs[5:25]:
    #  去除空白字符,将全角字符转半角字符，并给括号之间调整为中间二个空格
    line = black_char.sub("", paragraph.text).replace(
        "（", "(").replace("）", ")").replace("．", ".").replace("()", "(  )")
    # 对于空白行就直接跳过
    ifnot line:
        continue
    if title_rule.match(line):
        print("题目", line)
    elif option_rule.match(line):
        print("选项", option_rule_search.findall(line))
    else:
        chinese_nums_match = chinese_nums_rule.match(line)
        if chinese_nums_match:
            print("题型", chinese_nums_match.group(1))


如何用Python将Word文档转换为Excel表格

从目前测试结果来看没有问题。
保存匹配到的数据到结构化字典

现在我打算将当前匹配出来的文本数据存储成字典形式的结构化数据，字典结构的设计如下：
如何用Python将Word文档转换为Excel表格


根据上述设计完善代码：
import re
from docx import Document
from collections import OrderedDict

doc = Document("编号02 质检员高级技师（一级）理论试卷.docx")

black_char = re.compile("[\s\u3000\xa0]+")

chinese_nums_rule = re.compile("[一二三四]、(.+?)\(")
title_rule = re.compile("\d+.")
option_rule = re.compile("\([ABCDEF]\)")
option_rule_search = re.compile("\([ABCDEF]\)[^(]+")

# 保存最终的结构化数据
question_type2data = OrderedDict()
# 从word文档的“一、单项选择题”开始遍历数据
for paragraph in doc.paragraphs[5:]:
    #  去除空白字符,将全角字符转半角字符，并给括号之间调整为中间一个空格
    line = black_char.sub("", paragraph.text).replace(
        "（", "(").replace("）", ")").replace("．", ".").replace("()", "(  )")
    # 对于空白行就直接跳过
    ifnot line:
        continue
    if title_rule.match(line):
        options = title2options.setdefault(line, [])
    elif option_rule.match(line):
        options.extend(option_rule_search.findall(line))
    else:
        chinese_nums_match = chinese_nums_rule.match(line)
        if chinese_nums_match:
            question_type = chinese_nums_match.group(1)
            title2options = question_type2data.setdefault(question_type, OrderedDict())

遍历结构化字典并存储

然后我们遍历结构化字典，将数据保存到pandas对象中：
import pandas as pd

result = []
max_options_len = 0
for question_type, title2options in question_type2data.items():
    for title, options in title2options.items():
        result.append([question_type, title, *options])
        options_len = len(options)
        if options_len > max_options_len:
            max_options_len = options_len

结果：


如何用Python将Word文档转换为Excel表格
最终保存结果：
df.to_excel(“result.xlsx”, index=False)

完整代码

最终完整代码：
import pandas as pd
import re
from docx import Document
from collections import OrderedDict

doc = Document("编号02 质检员高级技师（一级）理论试卷.docx")

black_char = re.compile("[\s\u3000\xa0]+")

chinese_nums_rule = re.compile("[一二三四]、(.+?)\(")
title_rule = re.compile("\d+.")
option_rule = re.compile("\([ABCDEF]\)")
option_rule_search = re.compile("\([ABCDEF]\)[^(]+")

# 保存最终的结构化数据
question_type2data = OrderedDict()
# 从word文档的“一、单项选择题”开始遍历数据
for paragraph in doc.paragraphs[5:]:
    #  去除空白字符,将全角字符转半角字符，并给括号之间调整为中间一个空格
    line = black_char.sub("", paragraph.text).replace(
        "（", "(").replace("）", ")").replace("．", ".").replace("()", "(  )")
    # 对于空白行就直接跳过
    ifnot line:
        continue
    if title_rule.match(line):
        options = title2options.setdefault(line, [])
    elif option_rule.match(line):
        options.extend(option_rule_search.findall(line))
    else:
        chinese_nums_match = chinese_nums_rule.match(line)
        if chinese_nums_match:
            question_type = chinese_nums_match.group(1)
            title2options = question_type2data.setdefault(
                question_type, OrderedDict())

result = []
max_options_len = 0
for question_type, title2options in question_type2data.items():
    for title, options in title2options.items():
        result.append([question_type, title, *options])
        options_len = len(options)
        if options_len > max_options_len:
            max_options_len = options_len
df = pd.DataFrame(result, columns=[
                  "题型", "题目"]+[f"选项{i}"for i in range(1, max_options_len+1)])
# 题型可以简化下，去掉选择两个字
df['题型'] = df['题型'].str.replace("选择", "")
df.to_excel("result.xlsx", index=False)

最终得到的文件：
如何用Python将Word文档转

换为Excel表格

excel它直观清晰，处理数据时很方便，所以对于比较中要的表格文件，如果出现在word中，我们都会想办法将其转换成excel，那么怎样把word转换成excel表格格式呢？


今天我们不讲复制粘贴的方法，而是分享一种不易出错，操作又简单的方法，就是使用word转换成excel转换器来实现转换；



使用转换工具的第一步就是选择格式（前提是电脑中已经安装了pdf转换器）；

选择好转换格式之后就可以添加文件了，值得一提的是转换工具支持批量转换，所以一次添加多个文件；

文件添加好了之后设置一下文件的保存路径；

最后单击开始转换按钮就可以了。（加密的文件不能直接进行转换）。



等待一会转换就能完成，这时打开文件来看看吧。