一、背景
在日常办公和文档处理中，我们常常需要在大量的Word文档中查找特定的关键字，然后进行接下来的操作，比如关键字替换等。手动逐个打开并搜索文档显然是费时费力的。因此，利用Python编写一个批量实现Word中查找关键字的程序可以大大提高效率和减少工作负担。
二、开发环境
- Python编程语言：Python是一种简洁、易读易写的高级编程语言，具有强大的数据处理和文本处理能力。本地使用Python3.6版本。
- Python-docx库：Python-docx是一个用于操作Microsoft Word文档（.docx文件）的第三方库，可以读取和修改Word文档内容。
- 文本编辑器或集成开发环境（IDE）：选择一个适合你的编程习惯和需求的编辑器或IDE，例如Visual Studio Code、PyCharm等。本地使用PyCharm2022。
在搭建好开发环境后，我们将使用Python编写程序来实现以下步骤：
- 安装所需库：通过命令行或Anaconda Prompt安装Python-docx库。
- 导入必要的库：在Python代码中引入所需的库，例如
import docx。 - 获取Word文档列表：使用Python的文件操作函数遍历指定文件夹中的所有Word文档，将它们的路径存储在一个列表中。
- 打开并读取Word文档：循环遍历Word文档列表，逐个打开文档并读取其内容。
- 查找关键字：使用Python字符串操作函数在读取的文档内容中查找指定的关键字。
- 输出结果或执行其他的操作：如果关键字在word中，则将文件移出到新建的文件夹中。
三、实现代码
#!/usr/bin/python
# -*- coding: UTF-8 -*-
"""
@author:Awen
@file:task_test.py
@time:2023/07/04
@function：Python实现在word中批量查找关键字，如果关键字在word中，则将文件移出到新建的文件夹中
"""
import os
import shutil
from docx import Document
from docx.opc.exceptions import PackageNotFoundError
def search_keyword_in_word(keyword, file_path):
# 若报错，则跳过，有的文件无法读取成功
try:
document = Document(file_path)
found_paragraphs = []
for paragraph in document.paragraphs:
if keyword in paragraph.text:
found_paragraphs.append(paragraph.text)
return found_paragraphs
except PackageNotFoundError:
print(f"文件 '{file_path}' 未找到。")
pass
# 原文件夹路径
source_file_path = 'D:\Pycharmproject2023\code_test_project\shan_test\正样本终版\\'
# 搜索的关键字
keyword = '求职意向'
for filename in os.listdir(source_file_path):
try:
# 创建新文件夹，用于找到相应文件之后将其移入到该文件夹中
new_directory = os.path.join(source_file_path, "data123")
os.makedirs(new_directory, exist_ok=True)
if filename.endswith('.docx'):
print(filename)
result = search_keyword_in_word(keyword, source_file_path+filename)
for paragraph in result:
print(paragraph)
# 如果求职意向中包含java字样，则是任务目标文件
if "java" in paragraph.lower():
new_file_path = os.path.join(new_directory, filename)
shutil.move(source_file_path+filename, new_file_path)
print(f"已移动文件: {filename}")
# # 删除原文件夹中的文件
# os.remove(source_file_path+filename)
# print(f"已删除文件: {filename}")
except Exception as e:
print(f"处理文件 '{filename}' 时出现错误: {str(e)}")
pass