利用Python好好的整理你的附件

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word去查看,太耗时间了。这个时候python需要出马了。

目标

目前类似截图中的word有600+,想简单的进行整理:

截图1

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:

截图2

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word文件,将word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:

importxlsxwriter

importsubprocess

importos

importdocx

importsys

importre

主要用来操作excel,只能用来写,效率上比要高,数据量不多,用也ok。

主要用来调用命令行,因为模块无法解析doc的word文件,所以在解析前将doc的文件转换成docx文件。

主要用于遍历文件夹获取文件。

主要用来解析word文档。

规范下文件名

首先我们先规范下文件名称,因为在使用调用命令时,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。

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:

path='/Users/cavin/Desktop/files'

forfilenameinos.listdir(path):

...具体逻辑...

这里碰到一个问题,首先是模块无法解析doc的word文档,由于又是使用的mac,所以也无法使用模块,这个问题就比较尴尬,后来google发现可以通过命令将doc转换成docx。

这里注意下转换后的docx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doc的文件,优先转换成docx,待解析完之后再移除掉。

iffilename.endswith('.doc'):

subprocess.call('textutil -convert docx '.format(fullname),shell=True)

fullname=fullname[:-4]+".docx"

sheetModel= etl_word_files(fullname)#解析文本逻辑

subprocess.call('rm '.format(fullname),shell=True)#移除转换的文件

解析word文件

接下来就是解析文件了,通过docx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)

doc = docx.Document(fullname)

forparaindoc.paragraphs:

print(para.text)

...具体解析逻辑...

填充excel

解析完的数据就可以直接填充excel了:

workbook = xlsxwriter.Workbook('report_list.xlsx')

worksheet = workbook.add_worksheet('list')

worksheet.write(,,'序号')

worksheet.write(,1,'姓名')

worksheet.write(,2,'性别')

worksheet.write(,3,'年龄')

worksheet.write(,4,'籍贯')

worksheet.write(,5,'目前所在地')

worksheet.write(,6,'学历')

worksheet.write(,7,'学校')

worksheet.write(,8,'公司')

worksheet.write(,9,'职位')

worksheet.write(,10,'文档链接')

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:

worksheet.write(index,10,'=HYPERLINK(\"./'+filename+'\",\"附件\")')

问题点

到这里,基本上可以实现相应的功能了,但不是很完美,主要是word中的格式不标准,没有很好的方式去准确获取到我要的数据,但主要的姓名学校之类的大多数都抓到了,也算减轻点任务啦。

总结

利用python还是减少了一定的重复劳动,但面对一些不标准的东东貌似还没有很好的方式。

虽然可以增加逻辑来兼容这些不标准,但显然这个付出和产出就有点不成正比了。

利用好手上的工具去提高效率才是真的,至于是傻瓜式的重复工作,还是通过代码来减少重复劳动,就看你自己怎么看啦。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180505A1CUXG00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券