搜索位于 Word.docx TABLES 中的文本/字符串的文件夹目录

Question

对于我的工作，我希望能够在大量 Word 文件中搜索特定文本。但是，此文本位于任意数量的表格中的 Word 文件（docx 和 doc）中。我正在尝试进行关键字搜索，只是为了打印文本所在的文件名。下面的代码运行但没有找到任何结果。请帮忙。import pandas as pdimport numpy as npimport globimport osfrom os import listdirfrom docx import Documentimport reimport win32com.client as win32Keyword = 'the'#pattern = re.compile(Keyword)documents = r'C:\Users\aac1928\Desktop\Test'#Searches for Keywords in Converted Text Documentsfor root, dirs, files in os.walk(documents, onerror=None):    for filename in files:        if filename.endswith(".doc") or filename.endswith("docx"):            file_path = os.path.join(root, filename)            try:                    with open(file_path, "rb") as f:                        doc = Document(f)                        for table in doc.tables:                            for i, row in enumerate(table.rows):                                if Keyword in Cell.text:                                    print(filename)                                    continue            except Exception:                pass

Answer 1

在编写代码时，除了“一切”之外，尝试执行脚本并不是一个好主意（不是真的）。此外，您访问数据的方式似乎不正确，但这应该有效：

import numpy as np

import glob

import os

from os import listdir

from docx import Document

import re

import win32com.client as win32

import traceback

Keyword = 'the'

#pattern = re.compile(Keyword)

documents = r'C:\Users\aac1928\Desktop\Test'

def find_word():

    Keyword = 'the'

    #pattern = re.compile(Keyword)

    documents = r'/Users/marc/Documents'

    #Searches for Keywords in Converted Text Documents

    for root, dirs, files in os.walk(documents):

        for filename in files:

            print filename

            if filename.endswith(".doc") or filename.endswith("docx"):

                file_path = os.path.join(root, filename)

                with open(file_path, "rb") as f:

                    doc = Document(f)

                    if search_doc(doc, Keyword):

                        print file_path

def search_doc(doc, Keyword):

    for table in doc.tables:

        for j, column in enumerate(table.columns):

            for i, row in enumerate(table.rows):

                if Keyword in table.cell(j, i).text:

                    return True

    return False

这也确保您在找到关键字时停止在文档中查找并移至下一个文档，而不是在文档的多个表格中找到该关键字时多次打印文件名。

Answer 2

我是 Python 的新手，但是通过添加以下代码：

    except Exception:

        pass

        traceback.print_exc()

在您的代码中，我可以看到未定义 Cell

如果您将循环更改为一段时间，它将起作用，例如

 for table in doc.tables:

                            for row in table.rows:

                                i = 0

                                while i < len(row.cells):

                                    if Keyword in row.cells[i].text:

                                        print(filename)

                                        continue

希望能帮助到你

更新 ：

import numpy as np

import glob

import os

from os import listdir

from docx import Document

import re

import win32com.client as win32

import traceback

Keyword = 'the'

#pattern = re.compile(Keyword)

documents = r'C:\Users\aac1928\Desktop\Test'

#Searches for Keywords in Converted Text Documents

for root, dirs, files in os.walk(documents, onerror=None):

    print("Here 1")

    for filename in files:

        print(filename)

        if filename.endswith(".doc") or filename.endswith("docx"):

            file_path = os.path.join(root, filename)

            print(file_path)

            try:

                    with open(file_path, "rb") as f:

                        doc = Document(f)

                        for table in doc.tables:

                            for row in table.rows:

                                i = 0

                                while i < len(row.cells):

                                    if Keyword in row.cells[i].text:

                                        print(filename)

                                        continue

            except Exception:

                pass

                traceback.print_exc()

更新 2：

import numpy as np

import glob

import os

from os import listdir

from docx import Document

import re

import win32com.client as win32

import traceback

Keyword = 'the'

#pattern = re.compile(Keyword)

documents = r'C:\Users\aac1928\Desktop\Test'

documentsWithKeyword = []

#Searches for Keywords in Converted Text Documents

for root, dirs, files in os.walk(documents, onerror=None):

    print("Here 1")

    for filename in files:

        print(filename)

        if filename.endswith(".doc") or filename.endswith("docx"):

            file_path = os.path.join(root, filename)

            print(file_path)

            try:

                    with open(file_path, "rb") as f:

                        doc = Document(f)

                        for table in doc.tables:

                            for row in table.rows:

                                i = 0

                                while i < len(row.cells):

                                    if Keyword in row.cells[i].text:

                                        documentsWithKeyword.append(filename)

                                        continue

            except Exception:

                pass

                traceback.print_exc()

# remove duplicates

documentsWithKeyword = list(set(documentsWithKeyword))

documentsWithKeyword.sort()

#print documents that have the word

for docwithKeyword in documentsWithKeyword

    print(docwithKeyword)

分享