如何用python整理附件 - 行业资讯 - 肥雀云_南京肥雀信息技术有限公司

目前我的文件夹中有500多份简历,如果我想知道一些信息,比如学校,学历之类的,我需要打开每一份字去查看,太耗时间了。这个时候python需要出马了。
　　

<强>目标
　　

目前类似截图中有600 +的词,想简单的进行整理:

可以整理出一份excel用于导航(类似目录),可以通过excel来快速定位到所要的附件,如下图效果:

<强>具体实现
　　

有了目标,就具体说说如何实现的,整理思路还是比较简单的,就是遍历所有的词文件,将词中关键的信息获取到并保存到excel中。

这里列下主要用到的模块:

　　　　　　进口xlsxwriter 　　导入子流程　　进口操作系统　　进口多克斯　　导入系统　　进口re 　　　　

xlsxwriter主要用来操作excel, xlsxwriter只能用来写,效率上比xlwt要高,数据量不多,用xlwt也ok。

子流程主要用来调用命令行,因多克斯为模块无法解析doc的词文件,所以在解析前将医生的文件转换成多克斯文件。

操作系统主要用于遍历文件夹获取文件。

多克斯主要用来解析字文档。

<>强规范下文件名
　　

首先我们先规范下文件名称,因为在使用subprocess.call调用命令时,空格,特殊符号之类的没办法转义导致报错,所以干脆在之前就清理掉这个潜在问题。

　　　　　　def remove_doc_special_tag (): 　　在os.listdir文件名(路径): 　　otherName=re.sub (“[\ s + \ ! \/_, $ % ^ *(+ \“\”)] + |[+——() & # 63;【】“!,。, ~ @ #￥%……, *()) +”、“”,文件名) 　　os.rename (os.path.join(路径,文件名),os.path.join(路径,otherName)) 　　　　

<>强遍历文件
　　

之后我们就可以开始正题,遍历每个文件进行解析:

　　　　　　路径='/用户/cavin/桌面/文件　　在os.listdir文件名(路径): 　　…具体逻辑… 　　　　

这里碰到一个问题,首先多克斯是模块无法解析doc的词文档,由于又是使用的mac,所以也无法使用win32com模块,这个问题就比较尴尬,后来谷歌发现可以通过命令将医生转换成多克斯。

这里注意下转换后的多克斯文件样式是丢失的,但这不影响我获取文本信息。

于是就有了这段代码,如果是医生的文件,优先转换成多克斯,待解析完之后再移除掉。

　　　　　　如果filename.endswith (. doc): 　　子流程。调用(“textutil转换多克斯{0}的.format fullname, shell=True) 　　fullname=fullname [4] +“。docx” 　　sheetModel=etl_word_files (fullname) #解析文本逻辑　　子流程。调用(rm{0}的.format fullname, shell=True) #移除转换的文件　　　　

<>强解析字文件
　　

接下来就是解析文件了,通过多克斯模块很容易实现,具体的解析逻辑就不贴了,就是遍历每一行,根据一些关键字,符号来截取数据(每个简历格式基本上差不多的)

　　　　　　医生=docx.Document (fullname) 　　在doc.paragraphs:帕拉　　打印(para.text) 　　…具体解析逻辑… 　　　　

<强>填充excel
　　

解析完的数据就可以直接填充excel了:

　　　　　　工作簿=xlsxwriter.Workbook (“report_list.xlsx”) 　　工作表=workbook.add_worksheet(列表) 　　工作表。写(0,0,'序号”) 　　工作表。写(0,1,“姓名”) 　　工作表。写(0,2,“性别”) 　　工作表。写(0 3年龄”) 　　工作表。写(0 4“籍贯”) 　　工作表。写(0、5、“目前所在地”) 　　工作表。写(0 6的学历”) 　　工作表。写(0 7的学校”) 　　工作表。写(0 8的公司”) 　　工作表。写(0 9的职位”) 　　工作表。写(0,10,”文档链接的) 　　　　

这里主要说下文档链接的填充,由于是要给其他人的,只要保证附件和excel在同一个文件夹下,采用相对路径的方式来实现,可以使用excel的函数超链接:

　　　　　　工作表。写(指数10 '=超链接(\”。/+文件名+ \”,\“附件\”)”) 　　　　

<强>问题点
　　