利用python读取WORD文档中的创建者信息

原创

sparkexpert

修改于 2020-07-20 09:58:26

2.9K0

修改于 2020-07-20 09:58:26

文章被收录于专栏：大数据智能实战大数据智能实战

在一些常规分析过程中，常会判断这个文档是否为拷贝检测，对WORD而言，其内部数据中封装了相关的属性信息，如在WINDOW环境下，通过右键属性可以看到其相关的信息如下：

那么如何用程序来自动实现这些信息的自动提取呢。

主要有两种方法：

一是每个WORD文档实际上就是一个压缩包，这些信息是放在压缩包中的core.xml的文件里面的。通过读取这个文件，即可以获得上述信息；

二是直接利用python-docx来进行WORD的操作，实现对这些信息的提取。

其简单的代码块如下：

def get_wordinfo(document):    
    core_properties = document.core_properties
   
    print('作者:', core_properties.author)
    print('创建时间', core_properties.created)
    print(core_properties.last_modified_by)
    print(core_properties.last_printed)
    print(core_properties.modified)
    print(core_properties.revision)
    print(core_properties.title)
    print(core_properties.category)
    print(core_properties.comments)
    print(core_properties.identifier)
    print(core_properties.keywords)
    print(core_properties.language)
    print(core_properties.subject)
    print(core_properties.version)
    print(core_properties.keywords)
    print(core_properties.content_status)
    return {'作者':core_properties.author,'创建时间':core_properties.created.value,'修改人':core_properties.last_modified_by,
                '最后打印时间':core_properties.last_printed.value,'最后修改时间':core_properties.modified.value}

其效果如下所示：

{'作者': 'Administrator', '创建时间': '2018-08-24 03:41:00', '修改人': '778514434@qq.com', '最后打印时间': '2018-10-15 05:57:00', '最后修改时间': '2020-06-20 01:58:00'}

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python