python通過docx模塊解決doc及docx后綴文件內(nèi)容的處理-創(chuàng)新互聯(lián)

創(chuàng)新互聯(lián)建站是一家專注于成都做網(wǎng)站、網(wǎng)站建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)與策劃設(shè)計,鞍山網(wǎng)站建設(shè)哪家好?創(chuàng)新互聯(lián)建站做網(wǎng)站,專注于網(wǎng)站建設(shè)10多年,網(wǎng)設(shè)計領(lǐng)域的專業(yè)建站公司;建站業(yè)務(wù)涵蓋:鞍山等地區(qū)。鞍山做網(wǎng)站價格咨詢:028-86922220>

import os,shutil,docx,re,time
from win32com import client as wc
#從所有級聯(lián)目錄讀取文件到指定目錄內(nèi)
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
#提取每個docx簡歷文檔里面的郵箱地址,我們這里使用python-docx模塊來解決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("=====================郵件信息寫入成功===================")
#由于python-docx模塊只能處理docx后綴，我們需要處理doc后綴的文件，必須通過win32com模塊來把doc后綴轉(zhuǎn)換成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))  # 目標(biāo)路徑下的文件
            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)  # 轉(zhuǎn)化后路徑下的文件
            doc.Close()
            print(time.time())
    word.Quit()

if __name__ == '__main__':
    print(count_files(r"C:\Users\icestick\Desktop\51job_導(dǎo)出簡歷_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_導(dǎo)出簡歷_20180917"  #需要把doc目錄轉(zhuǎn)成docx格式的原目錄
    new_doc = r"C:\Users\icestick\Desktop\new_doc"                  #需要把doc目錄轉(zhuǎn)成docx格式的目標(biāo)目錄
    mail_extract = r"C:\Users\icestick\Desktop\test.txt"            #郵箱提取好的文件
    if not os.path.exists(new_doc):
        os.mkdir(new_doc)
        print("=====================目錄創(chuàng)建成功======================")
        docxTodoc(old_doc, new_doc)
        print("=====================docx格式轉(zhuǎn)換成功===================")
        count_mail(new_doc, mail_extract)

    else:
        docxTodoc(old_doc, new_doc)
        print("=====================docx格式轉(zhuǎn)換成功===================")
        count_mail(new_doc, mail_extract)

本文名稱：python通過docx模塊解決doc及docx后綴文件內(nèi)容的處理-創(chuàng)新互聯(lián)
轉(zhuǎn)載來于：http://www.rwnh.cn/article6/dhhoig.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供Google、網(wǎng)站設(shè)計公司、網(wǎng)站設(shè)計、動態(tài)網(wǎng)站、小程序開發(fā)、響應(yīng)式網(wǎng)站

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

中文字幕日韩精品一区二区免费_精品一区二区三区国产精品无卡在_国精品无码专区一区二区三区_国产αv三级中文在线

python通過docx模塊解決doc及docx后綴文件內(nèi)容的處理-創(chuàng)新互聯(lián)