python通过docx模块解决doc及docx后缀文件内容的处理-创新互联

创新互联建站是一家专注于成都做网站、网站建设、外贸营销网站建设与策划设计,鞍山网站建设哪家好?创新互联建站做网站,专注于网站建设10多年,网设计领域的专业建站公司;建站业务涵盖:鞍山等地区。鞍山做网站价格咨询:028-86922220>import os,shutil,docx,re,time from win32com import client as wc #从所有级联目录读取文件到指定目录内 def count_files(file_dir): count=0 for p,d,f in os.walk(file_dir): for c in f: if c.split('.')[-1]=="doc": count +=1 src_dir = os.path.join(p, c) print(src_dir) dst_dir = file_dir + "back" if not os.path.exists(dst_dir): os.makedirs(dst_dir) shutil.copy(src_dir, dst_dir) return count #提取每个docx简历文档里面的邮箱地址,我们这里使用python-docx模块来解决pip install python-docx def count_mail(file_dir,dst_file): mail_list = [] for parent,dirctiory,files in os.walk(file_dir): for f in files: doc = docx.Document(os.path.join(parent,f)) pattern = re.compile(r'''([a-zA-Z0-9._%+-]+@[a-zA-Z0-9\t\s.-]+(\.[a-zA-Z0-9\t\s]{2,4}))''', re.VERBOSE) for para in doc.paragraphs: for groups in pattern.findall(para.text): mail_list.append(groups[0].replace(" ","")+";") with open(dst_file,'w')as f: f.writelines(mail_list) print("=====================邮件信息写入成功===================") #由于python-docx模块只能处理docx后缀,我们需要处理doc后缀的文件,必须通过win32com模块来把doc后缀转换成docx def docxTodoc(old_doc,new_doc): word = wc.Dispatch('Word.Application') for parent,directory,files in os.walk(old_doc): for f in files: doc = word.Documents.Open(os.path.join(parent,f)) # 目标路径下的文件 new_filepath=os.path.join(new_doc,f.split(".")[0]+".docx") print(new_filepath) doc.SaveAs(new_filepath, 12, False, "", True, "", False, False, False,False) # 转化后路径下的文件 doc.Close() print(time.time()) word.Quit() if __name__ == '__main__': print(count_files(r"C:\Users\icestick\Desktop\51job_导出简历_20180917")) count_mail(r"C:\Users\icestick\Desktop\new_doc",r"C:\Users\icestick\Desktop\test.txt" ) old_doc = r"C:\Users\icestick\Desktop\51job_导出简历_20180917" #需要把doc目录转成docx格式的原目录 new_doc = r"C:\Users\icestick\Desktop\new_doc" #需要把doc目录转成docx格式的目标目录 mail_extract = r"C:\Users\icestick\Desktop\test.txt" #邮箱提取好的文件 if not os.path.exists(new_doc): os.mkdir(new_doc) print("=====================目录创建成功======================") docxTodoc(old_doc, new_doc) print("=====================docx格式转换成功===================") count_mail(new_doc, mail_extract) else: docxTodoc(old_doc, new_doc) print("=====================docx格式转换成功===================") count_mail(new_doc, mail_extract)

本文名称:python通过docx模块解决doc及docx后缀文件内容的处理-创新互联
转载来于:https://www.cdcxhl.com/article6/dhhoig.html

成都网站建设公司_创新互联,为您提供Google网站设计公司网站设计动态网站小程序开发响应式网站

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联

网站优化排名