我有一个包含多个表的 docx 文件,我想从列表中的表中获取所有信息(该列表称为“alletabellen”)。
通过下面的脚本,我收到了表格中几乎所有的信息,除了下拉列表中的某些变量的值(在某些表格单元格中)。
这些单元格的值在我的列表中保持为空(例如变量“Number:”中的值“1.2”,请参阅:https://s30.postimg.org/477j8z6ch/table.png https://s30.postimg.org/477j8z6ch/table.png我的列表中没有得到该值)。
是否也可以从这些变量中获取信息?
import docx
bestand = docx.Document('somefile.docx')
tabellen = bestand.tables
alletabellen = []
for i, tabel in enumerate(tabellen):
for row in tabellen[i].rows:
for cell in row.cells:
for paragraph in cell.paragraphs:
alletabellen.append(paragraph.text)
Update
我找到了一个解决方案(感谢scanny为我指明了正确的方向)。
我没有意识到 docx 文件实际上是一个带有 xml 文件的压缩文件,其中包含所有文本。我使用模块 zipfile 提取 docx,使用模块 bs4 查找所有下拉列表标签(“ddList”)并将数据放入列表中。在我的文档中有 12 个下拉列表,我只需要其中的 3 个(其中一个是屏幕截图中的“Number:”,这是文档中的第一个下拉列表)。
import docx
import zipfile
from bs4 import BeautifulSoup
doc = 'somefile.docx'
bestand = docx.Document(doc)
tabellen = bestand.tables
#get data from all the "normal" fields
alletabellen = []
for i, tabel in enumerate(tabellen):
for row in tabellen[i].rows:
for cell in row.cells:
for paragraph in cell.paragraphs:
alletabellen.append(paragraph.text)
#get data from all the dropdown lists
document = zipfile.ZipFile(doc)
xml_data = document.read('word/document.xml')
document.close()
soup = BeautifulSoup(xml_data, 'xml')
gegevens = soup.findAll('ddList') #search dropdownlists (n = 12)
dropdownlist = []
dropdownlistdata = []
for i in gegevens:
dropdownlist.append(i.find('result'))
#convert to string for if statements
number = str(dropdownlist[0])
job = str(dropdownlist[1])
vehicle = str(dropdownlist[7])
if number == '<w:result w:val="1"/>' :
dropdownlistdata.append('0,3')
elif number == '<w:result w:val="2"/>' :
dropdownlistdata.append('1,2')
elif number == '<w:result w:val="3"/>' :
dropdownlistdata.append('onbekend')
else:
dropdownlistdata.append('geen')
if job == '<w:result w:val="1"/>' :
dropdownlistdata.append('nee')
else:
dropdownlistdata.append('ja')
if vehicle == '<w:result w:val="1"/>' :
dropdownlistdata.append('nee')
else:
dropdownlistdata.append('ja')
#show data
print alletabellen
print dropdownlistdata
“1.2”没有从.text
调用很可能将其包装在某种“容器”XML 中,使其表现得像表单字段。
第一步是检查 XML,以便您了解遇到的问题。然后您将编写一些代码来查找隐藏的内容。
opc-diag
可以帮助您检查 XML:http://opc-diag.readthedocs.io/en/latest/index.html http://opc-diag.readthedocs.io/en/latest/index.html
你会想要寻找document.xml
part.
如果您将文档精简到能够表现出这种行为的最小值,则可以更轻松地找到需要处理的部分。
如果您可以发布该表的该部分的 XML,我可以进一步指导您。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)