python3在word文档中查找多行文字是否存在

Posted 2020-11-15 金天牛

工作中碰到这样一个情况：有多个关键词存在文本文档txt中，想查找下在某个较大的word文档中，这些关键词是否都含有，没有关键词的显示出来。

因为关键词比较多，并且这个工作还是经常会有的，这个情况我试着用Python3写代码解决。

分析后，需要用到的模块有：docx，另外还有txt文档的读取和字符串的匹配。

 首先是安装docx模块  pip install python-docx 

具体实现代码如下：

import docx
path = "F:\\\\check\\\\source.docx"

def readDocx(docName):                 #创建读取doc文档内容的函数，去除格式
    fullText = []
    doc = docx.Document(docName)
    paras = doc.paragraphs
    for p in paras:
        fullText.append(p.text)
    return \'\\n\'.join(fullText)
doccontent=readDocx(path)

textcon= open(\'F:/check/findtext.txt\',\'r\',encoding=\'utf-8\')           #只读方式打开text文件b

j=0                        #用于显示txt文档中的行号

for i in textcon:
    linecon=i.strip()            #Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列
    j=j+1

    if linecon not in doccontent:
        print(linecon)
        print(j)

textcon.close()


写在后面的话：

1.查找字符串时，原计划用re函数匹配

compiletext=re.compile(r\'\\wlinecon\\w\')
result_comp = compiletext.findall(doccontent.paragraphs)

因读取docx时，是带格式的，结果使用re函数怎么运行都报错：TypeError: expected string or bytes-like object

解决办法参考blog：https://www.cnblogs.com/wrajj/p/4914102.html

2.字符串的匹配，原来想用正则表达式中的函数来解决，结果试了半天，才发现字符串匹配有很简单的方式，详情见blog：https://www.cnblogs.com/huiAlex/p/7994606.html