文章目录
  1. 1. 0x01问题描述
  2. 2. 0x02分析问题
  3. 3. 0x03解决问题
    1. 3.1. 0x01 读取当前子目录下所有word格式文件
    2. 3.2. 0x02转换文件格式(doc->docx)
    3. 3.3. 0x03读取文件内容并修改
  4. 4. 0x04:程序代码
  5. 5. 0x05:致谢

打完了神码的国赛选拔赛,闲来无事去办公室溜达溜达,正好遇到老师在整理材料,其中最费时间的就是材料里面的格式转换,每个文档都需要转换一遍,大量的重复劳动,于是尝试用程序员的眼光去看待和解决问题,写个脚本去做。

0x01问题描述

文档是专升本的过程性考核资料,每个学生一份,一共是72份,需要将

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
大学英语(一)A      	4	89
计算机应用基础B 4 97
生活小智慧与生命大健康 2 86
思想道德修养与法律基础 3 75
大学生职业生涯规划 1.5 78
乒乓球 1 91
程序设计技术 4 93
高等数学B 4 84
大学英语(二)B 4 87
实用心理学 2 87
网页制作 4 74
毛泽东思想和中国特色社会主义理论体系概论 4 82
足球 1 85
IT职业素养 1 87
Java程序设计 4 95
中国现当代文学作品欣赏 2 74
数据结构 4 78
数据库原理与应用 4 87
HTML5程序开发 4 87
形势与政策 1 99
中华食医 2 92
操作系统 4 81
微机原理与接口技术 4 83
Android应用程序设计 4 86
就业指导实务 0.5 94
网络创业理论与实践 2 98
互联网+时代创新创业 1 94
软件创新创业项目实践 1 95
顶岗实习 19 95
共29科,补考0科。

修改为

1
大学英语(一)A89 计算机应用基础B97 生活小智慧与生命大健康86 思想道德修养与法律基础75 大学生职业生涯规划78 乒乓球91s 程序设计技术93 高等数学B84 大学英语(二)B87 实用心理学87 网页制作74 毛泽东思想和中国特色社会主义理论体系概论82 足球85 IT职业素养87 Java程序设计95 中国现当代文学作品欣赏74 数据结构78 数据库原理与应用87 HTML5程序开发87 形势与政策99 中华食医92 操作系统81 微机原理与接口技术83 Android应用程序设计86 就业指导实务94 网络创业理论与实践98 互联网+时代创新创业94 软件创新创业项目实践95 顶岗实习95

0x02分析问题

由上面的效果可以看出,其重复话的操作无非就是

  • 删除学分这一项
  • 去处所有的空格
  • 将换行替换为空格

转换为程序可以划分为几个自定义函数

  • 读文件
  • 改拓展名(doc转docx)
  • 读取文件内容保存退出
  • 转换格式函数

文档模板如下
https://wenku.baidu.com/view/36dfebd577232f60dccca13f.html

文件保存目录
images

0x03解决问题

0x01 读取当前子目录下所有word格式文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# coding=gb2312
import subprocess
docx = []


def dir_list(path):
dirlist=[]
for pt in path:
p = subprocess.Popen('dir '+pt.encode('gb2312'), shell=True, stdout=subprocess.PIPE)
out, err = p.communicate()
lista = out.splitlines()[:-2]
for line in lista[7:]:
if ".doc" not in line and ".docx" not in line and "." in line:
continue
if len(pt)>3:
dirlist.append(pt+"//"+line.decode("gb2312")[36:])
else:
dirlist.append(line.decode("gb2312")[36:])
return dirlist

调用函数将所有word文件的名称保存进了pathdir列表

遍历列表将doc和docx文件分类保存

1
2
3
4
5
6
7
8
9
10
def dir_path():
doc = []
pathdir = ['']
pathdir=dir_list(dir_list(pathdir))
for fname in pathdir:
if ".docx" in fname:
docx.append(fname)
else:
doc.append(fname)
return doc

0x02转换文件格式(doc->docx)

这里使用win32com模块转换文件格式

安装win32com模块

1
pip install pypiwin32

转换文件格式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def convert(path):#转换单个文件
word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(path)
doc.SaveAs(path+"x",16)
doc.Close()
word.Quit()
print "转换文件:".decode('gb2312'),path,"成功".decode('gb2312')
os.remove(path) #转换完成后删除原有文件

def doc_convert():#批量转换文件
path = os.getcwd().decode("gb2312") #获取当前绝对路径
doc=dir_path()
for pt in doc:
abspath=path+'\\'+pt
convert(abspath)

调用

1
doc_convert()

0x03读取文件内容并修改

修改传入的列表内容并返回

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
def filter(textlist):#过滤函数,过滤传入的list内容并传出
newtextlist=[]
for text in textlist:
if "补考".decode('gb2312') in text or ";".decode("gb2312") in text or "。".decode("gb2312") in text:
continue
if "顶岗实习".decode('gb2312') in text:
text=text.replace("17","").replace("19","")
text=text.replace(" ","").replace(" ","").replace("0.5","").replace("1.5","")
if "100" in text:
text=text[:-5]+text[-5:-3].replace(text[-5:-3],"")+text[-3:]
for i in range(8):
if ",".decode("gb2312") in text or "," in text:
if text[-6:-5] == str(i):
text=text[:-6]+text[-6:-5].replace(text[-6:-5].decode("gb2312"),"")+text[-5:]
if text[-3:-2] == str(i):
text=text[:-3]+text[-3:-2].replace(text[-3:-2].decode("gb2312"),"")+text[-2:]
text=text.replace("\n"," ")
newtextlist.append(text)
return newtextlist

修改word文档内容并保存

1
2
3
4
5
6
7
8
9
def msave():#修改word文档内容并保存
for fname in docx:
document = Document(fname)
tables = document.tables[0]
textlist=tables.cell(5, 3).text.split("\n")
text=" ".join(filter(textlist))
tables.cell(5, 3).text=text
document.save(fname)
print "修改格式: ".decode("gb2312")+fname+" 成功!".decode("gb2312")

主函数调用程序

1
2
3
4
5
6
if __name__=="__main__":
print "======自动格式修改工具======"
doc_convert()
print "转换docx格式完成"
msave()
print "修改完成"

至此程序已经完全完成

0x04:程序代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
# coding=gb2312
import subprocess
import os
from win32com import client as wc
from docx import Document
docx = []


def dir_list(path):#列出所有的文件名
dirlist=[]
for pt in path:
p = subprocess.Popen('dir '+pt.encode('gb2312'), shell=True, stdout=subprocess.PIPE)
out, err = p.communicate()
lista = out.splitlines()[:-2]
for line in lista[7:]:
if ".doc" not in line and ".docx" not in line and "." in line:
continue
if len(pt)>3:
dirlist.append(pt+"\\"+line.decode("gb2312")[36:])
else:
dirlist.append(line.decode("gb2312")[36:])
return dirlist

def dir_path():#将列出的文件名分类存入列表
doc = []
pathdir = ['']
pathdir=dir_list(dir_list(pathdir))
for fname in pathdir:
if ".docx" in fname:
docx.append(fname)
else:
doc.append(fname)
return doc

def convert(path):#转换单个文件
word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(path)
doc.SaveAs(path+"x",16)
doc.Close()
word.Quit()
print "转换文件:".decode('gb2312'),path,"成功".decode('gb2312')
os.remove(path) #转换完成后删除原有文件
docx.append(path)
def doc_convert():#批量转换文件
path = os.getcwd().decode("gb2312") #获取当前绝对路径
doc=dir_path()
for pt in doc:
abspath=path+'\\'+pt
convert(abspath)
def filter(textlist):#过滤函数,过滤传入的list内容并传出
newtextlist=[]
for text in textlist:
if "补考".decode('gb2312') in text or ";".decode("gb2312") in text or "。".decode("gb2312") in text:
continue
if "顶岗实习".decode('gb2312') in text:
text=text.replace("17","").replace("19","")
text=text.replace(" ","").replace(" ","").replace("0.5","").replace("1.5","")
if "100" in text:
text=text[:-5]+text[-5:-3].replace(text[-5:-3],"")+text[-3:]
for i in range(8):
if ",".decode("gb2312") in text or "," in text:
if text[-6:-5] == str(i):
text=text[:-6]+text[-6:-5].replace(text[-6:-5].decode("gb2312"),"")+text[-5:]
if text[-3:-2] == str(i):
text=text[:-3]+text[-3:-2].replace(text[-3:-2].decode("gb2312"),"")+text[-2:]
text=text.replace("\n"," ")
newtextlist.append(text)
return newtextlist

def msave():#修改word文档内容并保存
for fname in docx:
document = Document(fname)
tables = document.tables[0]
textlist=tables.cell(5, 3).text.split("\n")
text=" ".join(filter(textlist))
tables.cell(5, 3).text=text
document.save(fname)
print "修改格式: ".decode("gb2312")+fname+" 成功!".decode("gb2312")

if __name__=="__main__":
print "======自动格式修改工具======"
doc_convert()
print "转换docx格式完成"
msave()
print "修改完成"

0x05:致谢

1
2
3
4
5
6
doc转docx
https://www.cnblogs.com/themost/p/7243511.html
python执行系统命令后获取返回值的几种方式
https://blog.csdn.net/nextdoor6/article/details/51283117
python的subprocess.Popen()用法
https://blog.csdn.net/sinat_36219858/article/details/70186649
文章目录
  1. 1. 0x01问题描述
  2. 2. 0x02分析问题
  3. 3. 0x03解决问题
    1. 3.1. 0x01 读取当前子目录下所有word格式文件
    2. 3.2. 0x02转换文件格式(doc->docx)
    3. 3.3. 0x03读取文件内容并修改
  4. 4. 0x04:程序代码
  5. 5. 0x05:致谢