从word文档生成有组织的excel电子表格

Question

我有微软的文件，我们想要转移到excel。每个句子都需要分开，然后粘贴到excel中的下一个合适的单元格中。这些句子也需要作为标题、要求或信息进行分析。我将重现典型的单词格式。

2.3.4     Lightening Transient Response 
          The device shall meet spec 24532. Voltage must resemble figure.
          Figure 1.

这意味着

<numbering>      <Heading>
                 <Requirements/information>

在excel中，这几乎就是我想要查看的文档，除了第二个要求句应该排在前面的需求句的后面。

2.3.4   | Lightening Transient Response     | Heading
        | The device shall meet spec 24532. | Requirement
        |Voltage must resemble figure       | Requirement
        |figure  1                          | Informational

我在python中使用openxl和docx模块尝试了这个项目。我有代码可以进入单词，得到句子，然后代码可以分析句子，我正在从段落中检索运行。我有问题，因为不是所有的句子回来是因为文字文件是如何格式化的。我通常只会把标题拿回来。标题号不存储在运行中。标题下的需求存储在表中。我编写了一些代码来进入表格，从单元格中提取文本，因此这是获得需求的一种方法，但是代码片段会产生问题(连续三次给我相同的句子)。

我在寻找其他可能的方法来做这件事。我在想一个格式转换。已经提到了XML，然后也可以使用pdf和pythons模块。

如有任何意见或建议，将不胜感激。

-Chris

Answer 1

XML将变得更难，而不是更容易。你比你想象的要近。我建议分别解决每个问题，直到你解决为止。

表中的句子三次出现问题是因为合并了单元格。python在表上的工作方式是由x行和y列组成的底层表布局。如果并排合并两个单元格，则这两个单元格的结果相同。您可以检测到这是比较这两个单元格是否相等。大致类似于“如果this_cell == last_cell跳过这个单元格”。

没有办法解决航向问题。标题数字只存在于正在运行的Word实例中；它们是在显示(或打印)时生成的。要获得这些数据，您需要使用相同的规则来生成自己的数字。因此，您需要跟踪您所通过的标题的数量等，并形成您自己的点分隔编号。

Answer 2

你为什么要用Python来做这个？只需使用VBA，因为您正在使用Excel和Word。

像这样的事情应该能让你离你想去的地方很近。可能需要调整一下..。

Sub Demo()
Dim wdApp As Word.Application
Set wdApp = Word.Application
Dim wdDoc As Word.Document
Set wdDoc = wdApp.ActiveDocument
wdDoc.Range.Copy

ActiveSheet.Paste Destination:=ActiveSheet.Range("A1")
With ActiveSheet
.Paste Destination:=Range("A" & .Cells.SpecialCells(xlCellTypeLastCell).Row + 1)
End With

Set myRange = Range("A1:A100")
For i = 1 To myRange.Rows.Count

    If InStr(myRange.Cells(i, "A").Value, "Voltage") > 0 Then
        myRange.Cells(i, "A").Offset(1, 0).Select
        ActiveCell.EntireRow.Insert
        ActiveCell.Offset(-1, 0).Select
        If InStr(myRange.Cells(i, "A").Value, "Voltage") > 0 Then
            position1 = InStr(1, ActiveCell.Value, "Voltage")
            myRange.Cells(i + 1, "A").Value = Mid(ActiveCell.Value, position1, 99)
            ActiveCell.Value = Left(ActiveCell.Value, position1 - 2)
            i = i + 2
        End If
    End If

Next i


End Sub

所以，从Word文档中复制文本，它应该是开放的和活动的，这样就可以了。还有其他方法可以做到这一点。