'commit'

Py/DoPrivinceDocx.py

@@ -1,9 +1,12 @@
 import os
 import win32com
 from win32com.client import Dispatch
+import re
 
+# pip install pywin32 openpyxl
 # pip install pywin32
 working_dir = r"D:/dsWork/YunNanDsBase/Doc/全省及州市县区人口与教育报告集20241023/16个州市报告2022/分析报告20240510/"
+import openpyxl
 
 # 在工作目录下创建Excel目录
 excel_dir = working_dir + 'Excel'
@@ -13,22 +16,15 @@ if not os.path.exists(excel_dir):
 # 关键词
 keyword = '人口变化及其对教育的影响'
 
-
 # 是不是打Word显示
 docApp = win32com.client.Dispatch('Word.Application')
 # 是不是打Word显示
 docApp.Visible = False
 docApp.DisplayAlerts = 0
 
-# doc = docApp.Documents.Open('c:/1.docx')
-# doc = docApp.Documents.Open('c:/昭通市人口变化及其对教育的影响20240416.docx')
-# doc = docApp.Documents.Open('c:/昆明市人口变化及其对教育的影响20240419.docx')
-# doc = docApp.Documents.Open(working_dir+'红河哈尼族彝族自治州人口变化及其对教育的影响20240419.docx')
-
-
 # 遍历工作目录下所有的docx文件，将文件名用keyword进行分隔，前一半是州市名称，后一半是上报的时间，我们取前一半的州市名称
 for file in os.listdir(working_dir):
-    if file.endswith('.docx')  and not file.startswith('~'):
+    if file.endswith('.docx') and not file.startswith('~'):
         file_name = file.split('.')[0]
         # 判断一下file_name中是不是存在keyword,如果不存在，则输出错误，并结束程序
         if keyword not in file_name:
@@ -46,10 +42,12 @@ for file in os.listdir(working_dir):
         doc = docApp.Documents.Open(doc_path)
         # 遍历文档中所有的文字段落,判断是不是以 图+数字开头
         idx = 1
+        # 图表的名称列表
+        tb_list = []
         for para in doc.Paragraphs:
             x = para.Range.Text.strip().replace("图 ", "图").replace("  ", " ")
             if x.startswith("图"):
-                print(x)
+                tb_list.append(x)
                 idx = idx + 1
 
         # 遍历文档中的所有内嵌形状
@@ -58,17 +56,24 @@ for file in os.listdir(working_dir):
             if inline_shape.Type == win32com.client.constants.wdInlineShapeChart:  # 检查是否为内嵌图表
                 shape = doc.InlineShapes(idx)
                 sheet = shape.Chart.ChartData.Workbook.Worksheets(1)
-                # 行数
-                row_size = sheet.UsedRange.rows.Count
-                # 列数
-                col_size = sheet.UsedRange.columns.Count
-                print(row_size, col_size)
-                # 遍历获取表格中的数据
-                # for i in range(1, row_size + 1):
-                #     for j in range(1, col_size + 1):
-                #         print(sheet.Cells(i, j).Value, end=" ")
-                #     print("")
-                # print("")
+                # 创建一个新的Excel工作簿
+                wb = openpyxl.Workbook()
+                ws = wb.active
+
+                # 遍历Excel工作表中的所有单元格，并将其写入新的工作簿
+                for row in range(1, sheet.UsedRange.Rows.Count + 1):
+                    for col in range(1, sheet.UsedRange.Columns.Count + 1):
+                        cell_value = sheet.Cells(row, col).Value
+                        ws.cell(row=row, column=col, value=cell_value)
+                # 保存新的Excel文件
+                original_string = tb_list[idx - 1]
+                # 使用正则表达式过滤，只保留中文、英文和数字
+                original_string = original_string[1:]
+                if ' ' in original_string:
+                    original_string = original_string.split(" ")[1]
+                filtered_string = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', original_string)
+                wb.save(city_dir + '/'+'【'+str(idx)+'】' + filtered_string + ".xlsx")
+                print("保存文件：" + filtered_string + ".xlsx")
                 # 下一个图表的索引号
                 idx = idx + 1
         print(idx - 1)