最近遇到一个“史诗级”的难题：
现有8个班400余名学生的体质健康登记卡，分别保存在8个word文档中。现在需要把这些学生的个人信息及体测成绩汇总到一个excel表格中去。
挑战在于，男生和女生测试的项目数量一样，个别内容却不一样。仅男生体测的项目有引体向上和1000米跑，仅女生体测的项目为一分钟仰卧起坐和800跑。男生和女生的登记卡样式如下：
如果一个一个地打开word，找到对应的数据，再逐项复制粘贴到excel里，对人的耐心简直是终极考验，不仅让人眼花缭乱，而且还很容易出错。一个学生按1分钟计算，还要400多分钟，七八个小时，想想都能让人头皮发麻。
这种重复性的、规则明确的数据搬运工作，正是Python的强项。
技术实现：代码实现的思路
仔细观察：每个学生由三个表格组成。第一个表格为个人基本信息，第二个表格为学生成绩，第三个表格为学校签章。需要汇总的信息在第一个和第二个表格中，按图索骥，只要找到规律，问题便能迎刃而解。
核心代码三大步骤：
1、精准定位，提取数据
from docx import Documentfrom openpyxl import load_workbookimport timefrom pathlib import Path start_time = time.time()path = Path(r"E:\学生体育成绩汇总")path_xlsx = r"E:\学生体育成绩汇总\体测成绩导入模板.xlsx"student_dict = {}docxs = path.glob("*.doc*")for path_docx in docxs: docx = Document(path_docx) tables = docx.tables for i in range(0,len(tables),3): #每个学生由三个表组成，依次循环 id = tables[i].rows[0].cells[5].text.strip() table2 = tables[i + 1] # 表2第1-4行代码：导入所需的模块，模块也可以称为库或包。docx用于读取word文件，openpyxl用于把数据写入excel表格。pathlib用于处理文件路径。第9行代码：student_dict = {}新建一个空字典，用于保存提取的数据。第10行代码：path.glob("*.doc*")可获取path路径下所有doc和docx格式的文档。第13行代码：docx.tables可获取docx文件中的所有表格。第15行代码：for i in range(0,len(tables),3):每三个表格为一组，依次遍历每组表格。第16行代码：tables[i].rows[0].cells[5].text.strip()取得当前组第一个表格tables[i]的第一行rows[0]的第六列cells[5]的文本去除前后空格的值，即当前学生的学号，赋值给id。第17行代码：table2 = tables[i + 1]：获取第二个表格。
2、智能映射，写入字典。
student_dict[id] = { "姓名":tables[i].rows[0].cells[1].text, "性别":tables[i].rows[0].cells[3].text, "班级":tables[i].rows[1].cells[1].text, "民族":tables[i].rows[1].cells[3].text, "出生日期":tables[i].rows[1].cells[5].text, "标准分": table2.rows[9].cells[7].text, "加分指标-引体向上/一分钟仰卧起坐附加分": table2.rows[11].cells[8].text, "加分指标-1000米/800米跑附加分": table2.rows[12].cells[8].text, "学年总分": table2.rows[13].cells[7].text, "等级评定": table2.rows[14].cells[7].text } for row_index in range(2, 9): row = table2.rows[row_index] xm = row.cells[0].text.split("(")[0].strip() student_dict[id][f"{xm}成绩"] = row.cells[7].text.strip() student_dict[id][f"{xm}得分"] = row.cells[8].text.strip() student_dict[id][f"{xm}等级"] = row.cells[9].text.strip()第1-12行：把学生固定信息写到嵌套字典中。rows[0]代表指定的行，cells[1]代表指定的单元格。方括号中的索引从0开始。第14行：for index in range(2,9):获取表2第3行（索引为2）到第9行（索引为8）的行号。第16行：xm=row.cells[0].text.split("(")[0].strip()首先获取指定位置的文本，然后以“（”为分割符进行分割，取第1个值后再去掉前后的空格。这样做的原因是因为原内容与excel模板的表不一致，分割后确保内容相同。第18-20行：xm与成绩、得分、等级合并组成新的键后再取值写入字典。
3、批量写入，一气呵成
wb = load_workbook(path_xlsx)ws = wb["体测成绩"]row = 1for key in student_dict.keys(): row += 1 data = student_dict[key] ws.cell(row,1).value = data["班级"][2:6] ws.cell(row,2).value = data["班级"] ws.cell(row,3).value = key for col in range(4,ws.max_column+1): k = ws.cell(1, col).value.split("(")[0] if k in data: ws.cell(row,col).value = data[k]wb.save(path_xlsx)end_time = time.time()print(f"班级数量：{len(list(docxs))}个")print(f"学生人数：{len(student_dict)}名")print(f"共用时{end_time-start_time:.2f}秒")第4行：for key in student_dict.keys()遍历字典中所有的键，key即学籍号。第11行：for col in range(4,ws.max_column+1)遍历第4列到最后一列。第12行： ws.cell(1, col).value.split("(")[0]表示对第一行的数值进行分割后取每一个值，目的是让这个值与字典的键保持一致，确保数据对应，避免出错。第13行：if k in data因为男生与女生的项目不一样，进行判断避免代码运行出错。第15行：wb.save(path_xlsx)保存工作簿，这里别指定路径，相当于另存为，避免覆盖原文档。第17-19行：显示运行结果及时长。
如果代码运行到这里，说明所有的数据行云流水般写入到了excel的指定位置。
原本需要七八个小时的工作，现在不到一分钟就完成了。运行结果如下：
以上代码的运行思路类似于邮件合并的反操作，不仅适用于健康登记卡的整理，还适合于学生档案整理、问卷调查结果汇总及任何结构化文档的数据提取等。
正所谓举一反三、触类旁通，只有掌握核心思路，类似的问题都会迎刃而解。
如果这篇文章对你有所帮助和启发，还请点赞+转发支持！关注我，学*更多的自动化技巧，让你从重复劳动中解放出来~~~
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除
