你是否遇到过这样的情况：你有一堆Word文件，每个文件都包含一些重要的信息，你需要把这些信息提取出来，整理到一个Excel表格中，方便查阅和管理。但是，手动打开每个文件，复制粘贴信息，又太费时费力，而且容易出错。
有没有什么办法可以让Python帮你自动完成这个任务呢？答案是肯定的！本文将教你如何用Python批量提取Word文件中的关键信息，并写入Excel文件中，只需几行代码，就可以节省大量的时间和精力。
准备工作
在开始编写代码之前，我们需要先准备一些必要的工具和文件：
Python环境：本文使用的是Python 3.8，你可以在下载安装。
openpyxl库：这是一个用于操作Excel文件的Python库，你可以使用
pip install openpyxl
命令安装。
python-docx库：这是一个用于操作Word文件的Python库，你可以使用
pip install python-docx
命令安装。
glob库：这是一个用于获取文件路径的Python库，一般已经内置在Python中，无需安装。
Word文件：这是我们要提取信息的源文件，本文以7个会议通知文件为例，每个文件都包含学习时间、学习内容、学习形式、主持人四项关键信息，文件名分别为会议通知1.docx，会议通知2.docx，...，会议通知7.docx，存放在Notice文件夹下。
Excel文件：这是我们要写入信息的目标文件，本文以一个空白的Excel文件为例，文件名为Meeting_temp.xlsx，存放在与Notice文件夹同一级的目录下。
获取文件路径
第一步，我们需要获取Notice文件夹下的所有Word文件的路径，这样我们才能对每个文件进行操作。这里我们可以使用glob库的glob函数，它可以根据通配符匹配文件路径，返回一个列表。例如，我们可以使用
glob.glob('*.docx')
来匹配当前目录下的所有以.docx结尾的文件。
为了方便后续的操作，我们先定义一个变量path，表示我们的工作目录，也就是Notice文件夹和Excel文件所在的目录，你可以根据实际情况修改。然后，我们使用
glob.glob(path + r'\Notice\*.docx')
来获取Notice文件夹下的所有Word文件的路径，保存在一个变量files中。注意，这里我们使用了r字符串，表示原始字符串，不会对反斜杠进行转义。
代码如下：
import glob
path = r'C:\Users\xxx'# 路径为Notice文件夹和Excel文件所在的目录，可按实际情况更改
files = glob.glob(path + r'\Notice\*.docx') # 获取Notice文件夹下的所有Word文件的路径
print(files) # 打印文件路径列表，检查是否正确
输出如下：
['C:\\Users\\xxx\\Notice\\会议通知1.docx', 'C:\\Users\\xxx\\Notice\\会议通知2.docx', 'C:\\Users\\xxx\\Notice\\会议通知3.docx', 'C:\\Users\\xxx\\Notice\\会议通知4.docx', 'C:\\Users\\xxx\\Notice\\会议通知5.docx', 'C:\\Users\\xxx\\Notice\\会议通知6.docx', 'C:\\Users\\xxx\\Notice\\会议通知7.docx']
解析Word文件
第二步，我们需要解析每个Word文件，获取需要的四个信息，即学习时间、学习内容、学习形式、主持人。这里我们可以使用python-docx库的Document类，它可以读取Word文件，并将其内容以段落（Paragraph）为单位进行划分。我们可以遍历每个段落，根据其文本内容，判断是否包含我们需要的信息，并提取出来。
为了方便后续的操作，我们先定义一个变量number，表示序号，用于记录每个文件的顺序。然后，我们使用一个for循环，遍历files列表中的每个文件路径，使用Document类打开每个文件，保存在一个变量wordfile中。接着，我们定义一个空列表content_lst，用于存放学习内容，因为学习内容可能分散在多个段落中，我们需要将它们合并成一个字符串。然后，我们使用一个嵌套的for循环，遍历wordfile中的每个段落，根据其文本内容，判断是否包含我们需要的信息，并提取出来，保存在相应的变量中。具体的判断逻辑如下：
如果段落的文本以「学习时间：」开头，那么我们就提取其后面的部分，保存在一个变量study_time中。
如果段落的文本以「主持人：」开头，那么我们就提取其后面的部分，保存在一个变量host中。
如果段落的文本以「学习形式：」开头，那么我们就提取其后面的部分，保存在一个变量study_type中。
如果段落的文本的长度大于等于2，且第一个字符是数字，第二个字符是中文顿号「、」，那么我们就认为这是学习内容的一部分，将其添加到content_lst中。
代码如下：
from docx import Document
number = 0# 定义一个变量，表示序号
for file in files: # 遍历每个文件路径
wordfile = Document(file) # 打开每个文件
content_lst = [] # 定义一个空列表，用于存放学习内容
for paragraph in wordfile.paragraphs: # 遍历每个段落
if paragraph.text[0:5] == '学习时间：': # 如果段落的文本以「学习时间：」开头
study_time = paragraph.text[5:] # 提取其后面的部分，保存在study_time中
if paragraph.text[0:4] == '主持人：': # 如果段落的文本以「主持人：」开头
host = paragraph.text[4:] # 提取其后面的部分，保存在host中
if paragraph.text[0:5] == '学习形式：': # 如果段落的文本以「学习形式：」开头
study_type = paragraph.text[5:] # 提取其后面的部分，保存在study_type中
if len(paragraph.text) >= 2: # 如果段落的文本的长度大于等于2
if paragraph.text[0].isdigit() and paragraph.text[1] == '、': # 如果第一个字符是数字，第二个字符是中文顿号「、」
content_lst.append(paragraph.text) # 将其添加到content_lst中
content = ' '.join(content_lst) # 将content_lst中的元素用空格连接成一个字符串，保存在content中
print(study_time, content, study_type, host) # 打印提取的信息，检查是否正确
写入Excel文件
第三步，我们需要将提取的信息写入Excel文件中，这样我们就可以方便地查看和管理。这里我们可以使用openpyxl库的Workbook类和Worksheet类，它们可以创建和操作Excel文件和工作表。我们可以使用Workbook类的active属性，获取当前活动的工作表，保存在一个变量sheet中。然后，我们可以使用Worksheet类的cell方法，根据行号和列号，指定单元格，并给其赋值。
为了方便后续的操作，我们先定义一个变量excel_file，表示我们要写入的Excel文件的路径，你可以根据实际情况修改。然后，我们使用Workbook类创建一个Excel文件对象，保存在一个变量wb中。接着，我们使用wb的active属性，获取当前活动的工作表，保存在一个变量sheet中。然后，我们使用sheet的cell方法，给第一行的每一列赋值，作为表头，分别是序号、学习时间、学习内容、学习形式、主持人。接下来，我们使用一个for循环，遍历files列表中的每个文件路径，使用Document类打开每个文件，保存在一个变量wordfile中。然后，我们使用和上一步相同的逻辑，提取每个文件中的四个信息，保存在相应的变量中。最后，我们使用sheet的cell方法，给每一行的每一列赋值，分别是序号、学习时间、学习内容、学习形式、主持人。注意，这里我们需要将序号加1，因为第一行已经被表头占用了。最后，我们使用wb的save方法，保存Excel文件。
代码如下：
from openpyxl import Workbook
excel_file = path + r'\Meeting_temp.xlsx'# 定义Excel文件的路径，可按实际情况更改
wb = Workbook() # 创建一个Excel文件对象
sheet = wb.active # 获取当前活动的工作表
sheet.cell(row=1, column=1).value = '序号'# 给第一行第一列赋值，作为表头
sheet.cell(row=1, column=2).value = '学习时间'# 给第一行第二列赋值，作为表头
sheet.cell(row=1, column=3).value = '学习内容'# 给第一行第三列赋值，作为表头
sheet.cell(row=1, column=4).value = '学习形式'# 给第一行第四列赋值，作为表头
sheet.cell(row=1, column=5).value = '主持人'# 给第一行第五列赋值，作为表头
for file in files: # 遍历每个文件路径
wordfile = Document(file) # 打开每个文件
content_lst = [] # 定义一个空列表，用于存放学习内容
for paragraph in wordfile.paragraphs: # 遍历每个段落
if paragraph.text[0:5] == '学习时间：': # 如果段落的文本以「学习时间：」开头
study_time = paragraph.text[5:] # 提取其后面的部分，保存在study_time中
if paragraph.text[0:4] == '主持人：': # 如果段落的文本以「主持人：」开头
host = paragraph.text[4:] # 提取其后面的部分，保存在host中
if paragraph.text[0:5] == '学习形式：': # 如果段落的文本以「学习形式：」开头
study_type = paragraph.text[5:] # 提取其后面的部分，保存在study_type中
if len(paragraph.text) >= 2: # 如果段落的文本的长度大于等于2
if paragraph.text[0].isdigit() and paragraph.text[1] == '、': # 如果第一个字符是数字，第二个字符是中文顿号「、」
content_lst.append(paragraph.text) # 将其添加到content_lst中
content = ' '.join(content_lst) # 将content_lst中的元素用空格连接成一个字符串，保存在content中
number += 1# 将序号加1
sheet.cell(row=number+1, column=1).value = number # 给每一行第一列赋值，作为序号
sheet.cell(row=number+1, column=2).value = study_time # 给每一行第二列赋值，作为学习时间
sheet.cell(row=number+1, column=3).value = content # 给每一行第三列赋值，作为学习内容
sheet.cell(row=number+1, column=4).value = study_type # 给每一行第四列赋值，作为学习形式
sheet.cell(row=number+1, column=5).value = host # 给每一行第五列赋值，作为主持人
wb.save(excel_file) # 保存Excel文件
完成任务
至此，我们已经完成了用Python批量提取Word文件中的关键信息，并写入Excel文件中的任务。你可以打开Meeting_temp.xlsx文件，查看结果，如下图所示：
你可以看到，我们成功地将7个Word文件中的四个信息提取出来，并按照序号、学习时间、学习内容、学习形式、主持人的顺序，写入Excel文件中，方便查阅和管理。
总结
本文教你如何用Python批量提取Word文件中的关键信息，并写入Excel文件中，只需几行代码，就可以节省大量的时间和精力。本文涉及到的主要技术点有：
openpyxl库：用于操作Excel文件，可以创建、读取、写入、修改Excel文件和工作表。
python-docx库：用于操作Word文件，可以读取、写入、修改Word文件和段落。
glob库：用于获取文件路径，可以根据通配符匹配文件路径，返回一个列表。
希望本文对你有所帮助，如果你有任何问题或建议，欢迎在评论区留言。谢谢！
PS ： Python都知道技术交流群（技术交流、摸鱼、白嫖课程为主）又不定时开放了，感兴趣的朋友，可以在下方公号内回复： 666 ，即可进入。
老规矩 ，道友们还记得么， 右下角的 「在看」 点一下 ， 如果感觉文章内容不错的话，记得分享朋友圈让更多的人知道！
