目前我的文件夾中有500多份簡歷，如果我想知道一些信息，比如學校，學歷之類的，我需要打開每一份word去查看，太耗時間了。這個時候python需要出馬了。

目標

目前類似截圖中的word有600+，想簡單的進行整理：

可以整理出一份excel用于導航（類似目錄），可以通過excel來快速定位到所要的附件，如下圖效果：

具體實現

有了目標，就具體說說如何實現的，整理思路還是比較簡單的，就是遍歷所有的word文件，將word中關鍵的信息獲取到并保存到excel中。

這里列下主要用到的模塊：

import xlsxwriterimport subprocessimport osimport docximport sysimport re

xlsxwriter主要用來操作excel，xlsxwriter只能用來寫，效率上比xlwt要高，數據量不多，用xlwt也ok。

subprocess主要用來調用命令行，因為docx模塊無法解析doc的word文件，所以在解析前將doc的文件轉換成docx文件。

os主要用于遍歷文件夾獲取文件。

docx主要用來解析word文檔。

規范下文件名

首先我們先規范下文件名稱，因為在使用subprocess.call調用命令時，空格，特殊符號之類的沒辦法轉義導致報錯，所以干脆在之前就清理掉這個潛在問題。

def remove_doc_special_tag():  for filename in os.listdir(path):    otherName = re.sub("[/s+/!//_,$%^*(+/"/')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]+", "",filename)     os.rename(os.path.join(path,filename),os.path.join(path,otherName))

遍歷文件

之后我們就可以開始正題，遍歷每個文件進行解析：

path='/Users/cavin/Desktop/files'for filename in os.listdir(path):  ...具體邏輯...

這里碰到一個問題，首先是docx模塊無法解析doc的word文檔，由于又是使用的mac，所以也無法使用win32com模塊，這個問題就比較尷尬，后來google發現可以通過命令將doc轉換成docx。

這里注意下轉換后的docx文件樣式是丟失的，但這不影響我獲取文本信息。

于是就有了這段代碼，如果是doc的文件，優先轉換成docx，待解析完之后再移除掉。

if filename.endswith('.doc'):  subprocess.call('textutil -convert docx {0}'.format(fullname),shell=True)  fullname=fullname[:-4]+".docx"  sheetModel= etl_word_files(fullname)#解析文本邏輯  subprocess.call('rm {0}'.format(fullname),shell=True) #移除轉換的文件

解析word文件

接下來就是解析文件了，通過docx模塊很容易實現,具體的解析邏輯就不貼了，就是遍歷每一行，根據一些關鍵字，符號來截取數據（每個簡歷格式基本上差不多的）

doc = docx.Document(fullname)for para in doc.paragraphs:  print(para.text)  ...具體解析邏輯...

填充excel

解析完的數據就可以直接填充excel了:

workbook = xlsxwriter.Workbook('report_list.xlsx')worksheet = workbook.add_worksheet('list')worksheet.write(0,0, '序號') worksheet.write(0,1, '姓名') worksheet.write(0,2, '性別') worksheet.write(0,3, '年齡') worksheet.write(0,4, '籍貫') worksheet.write(0,5, '目前所在地') worksheet.write(0,6, '學歷')worksheet.write(0,7, '學校')worksheet.write(0,8, '公司')worksheet.write(0,9, '職位')worksheet.write(0,10, '文檔鏈接')

這里主要說下文檔鏈接的填充，由于是要給其他人的，只要保證附件和excel在同一個文件夾下，采用相對路徑的方式來實現，可以使用Excel的函數HYPERLINK:

worksheet.write(index,10, '=HYPERLINK(/"./'+filename+'/",/"附件/")')

問題點

到這里，基本上可以實現相應的功能了，但不是很完美，主要是word中的格式不標準，沒有很好的方式去準確獲取到我要的數據，但主要的姓名學校之類的大多數都抓到了，也算減輕點任務啦。

總結

利用python還是減少了一定的重復勞動，但面對一些不標準的東東貌似還沒有很好的方式。

雖然可以增加邏輯來兼容這些不標準，但顯然這個付出和產出就有點不成正比了。

利用好手上的工具去提高效率才是真的，至于是傻瓜式的重復工作，還是通過代碼來減少重復勞動，就看你自己怎么看啦。