【Python】自动化：读取word提取json并重新排版（已升级支持打印）

原文章：复制and粘贴？Python脚本1分钟解决了我1小时的事！

原创 黄伟呢 公众号：数据分析与统计学之美 2020-06-09

https://mp.weixin.qq.com/s/NeawdsRjws9vzsYfwvUIjg

 

需求：将word格式json内容的问题和答案整理成整段，人类可读模式

 

看到上面的内容，手工操作是不是很麻烦。

别忘了有Python啥都不是事。下面是原作者的代码

from docx import Document
import re
import pandas as pd
import json 
# 1.读取word文档，获取word文档里面的内容
x = ""
doc = Document(r"G:\1Pycharm_Project\3572(1).docx")
for paragraph in doc.paragraphs:
    text = paragraph.text
    # 读取word里面的内容有一个特点：每一页会返回一个字符串，共3页，一共返回了3个单独的字符串。
    # 但是这是一个完整的json字符串，我们不能将他分开呀。因此，使用字符串拼接，将其合并起来。
    x += text
    
# 2.使用json.loads()将json字符串 转换为 字典格式的数据。
r = json.loads(x)

# 3.对于字典，我们可以利用键，获取里面的值。
x = []
z = []
for i in r["data"]["ques"]:
    x.append(i["content"])
    y = ""
    for j in i["options"]:
        y += j["answer"] + " " + j["option"]
        y += "；"
    z.append(y)
    
# 4.将获取到的数据，保存成一个DataFrame格式的数据，并导出为excel表格。
data = {"content":x,"options":z}
df = pd.DataFrame(data)
display(df)
df.to_excel("text.xlsx")

效果如下

 

 

 感谢群主提供原文件和思路，升级优化才得以实现。

 

前面和原创一致，后面数据整理略微差异。

安装库文件

# 关于from docx import Document报错问题,docx库比较老，安装python-docx就可以解决问题。
!pip install  python-docx

解析文本

from docx import Document
import re
import pandas as pd
import json 
# 1.读取word文档，获取word文档里面的内容
x = ""
doc = Document("jsonfile.docx")
for paragraph in doc.paragraphs:
    text = paragraph.text
    # 读取word里面的内容有一个特点：每一页会返回一个字符串，共3页，一共返回了3个单独的字符串。
    # 但是这是一个完整的json字符串，我们不能将他分开呀。因此，使用字符串拼接，将其合并起来。
    x += text
    
# 2.使用json.loads()将json字符串 转换为 字典格式的数据。
r = json.loads(x)
r

输出内容

 

 解析处理，调整格式

# 3.对于字典，利用键获取里面的值。
queslst=[]
optlst=[]
n=1
for i in r['data']['ques']:
    question=str(n)+'、'+i['content'].rstrip()
    n+=1
    ops=[]
    for option in i['options']:
        j = option["option"]+"、"+ option["answer"].rstrip()
        ops.append(j)
    ops='\t'.join(ops)   
    queslst.append(question)
    optlst.append(ops)

写入excel

# 4.将获取到的数据，保存成一个DataFrame格式的数据，并导出为excel表格。
data = {"question":queslst,"options":optlst}
df = pd.DataFrame(data)
display(df)
df.to_excel("output2.xlsx",index=None)

输出格式

 

 

excel内容

 

 

新增点，存为word格式，需要重新排版

效果预览

 

# 5、写入docx
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml.ns import qn

from time import strftime, localtime
timestr=strftime('%Y-%m-%d %H:%M:%S',localtime())

doc1 = Document()  #生成一个空的docx对象
head=doc1.add_heading('安全测试题', level=1) # 添加标题
head.alignment = WD_ALIGN_PARAGRAPH.CENTER  # 居中
p1=doc1.add_paragraph('edit by:HuaBro \t update time: {}'.format(timestr))   # 添加段落
p1.alignment = WD_ALIGN_PARAGRAPH.CENTER  # 居中


for i,j in zip(queslst,optlst):
    doc1.add_paragraph(i)
    doc1.add_paragraph(j)
doc1.styles['Normal'].font.name = '宋体'
doc1.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体') # 字体
doc1.styles['Normal'].font.name = 'Times New Roman' # 数字字体
doc1.save('output1.docx')  

输出word内容

 

 

学会了没，是不是很简单。