如何获得。从目录中以.docx和.doc结尾的文件字符的字符，并将每个文件的字符除以65，然后将它们保存到XLSX

Question

我有一个以.doc和.docx结尾的许多Word文档文件的文件夹。

此代码仅适用于.docx 我想要.doc的图像

import docx
import os

charCounts = {}
directory = os.fsencode('.')
for file in os.listdir(directory):
    filename = os.fsdecode(file)
    if filename.endswith(".docx"):
        #filename = os.path.join(directory, filename)
        doc = docx.Document(filename)
        chars = sum(len(p.text) for p in doc.paragraphs)
        charCounts[filename] = chars / 65

# uses openpyxl package
from openpyxl import Workbook
wb = Workbook()
ws = wb.active

ws.cell(row=1, column=2, value='File Name')
ws.cell(row=1, column=4, value='chars/65')
for i, x in enumerate(charCounts):
    ws.cell(row=i + 3, column=2, value=x)
    ws.cell(row=i + 3, column=4, value=charCounts[x])
    ws.cell(row=len(charCounts) + 3, column=4, value=sum(charCounts.values()))
path = './charCounts.xlsx'
wb.save(path)

： -

我有这样的文件。

我希望它们像这样发生：

在这里注意两件事。

Excel表中的文件名已安排在数字上。

第二件事是在Excel表中，已删除了文件扩展名。我想要那样。

Answer 1

这是您问题中代码的更新，它将按照我的要求进行操作：

# uses python-docx package
import docx
import os

# uses pywin32 package
import win32com.client as win32
from win32com.client import constants
app = win32.gencache.EnsureDispatch('Word.Application')

charCounts = {}
fileDir = '.' # Put the path of the directory to be searched here
os.chdir(fileDir)
cwd = os.getcwd()
directory = os.fsencode(cwd)
for file in os.listdir(directory):
    filename = os.fsdecode(file)
    if filename.startswith('TEMP_CONVERTED_WORD_FILE_'):
        continue
    filenameOrig = None
    if filename.endswith(".doc"):
        filenameOrig = filename
        src_path = os.path.join(cwd, filename)
        src_path_norm = os.path.normpath(src_path)
        doc = app.Documents.Open(src_path_norm)
        doc.Activate()
        docxPath = 'TEMP_CONVERTED_WORD_FILE_' + filename[:-4] + ".docx"
        dest_path = os.path.join(cwd, docxPath)
        dest_path_norm = os.path.normpath(dest_path)
        app.ActiveDocument.SaveAs(dest_path_norm, FileFormat=constants.wdFormatXMLDocument)
        doc.Close(False)
        filename = docxPath
    if filename.endswith(".docx"):
        src_path = os.path.join(cwd, filename)
        src_path_norm = os.path.normpath(src_path)
        doc = docx.Document(src_path_norm)
        chars = sum(len(p.text) for p in doc.paragraphs) + sum(len(p.text) for section in doc.sections for hf in [section.header, section.footer] for p in hf.paragraphs)
        charCounts[filenameOrig if filenameOrig else filename] = chars / 65
charCounts = {k:charCounts[k] for k in sorted(charCounts)}

# uses openpyxl package
from openpyxl import Workbook
wb = Workbook()
ws = wb.active

ws.cell(row=1, column=2, value='File Name')
ws.cell(row=1, column=4, value='chars/65')
for i, x in enumerate(charCounts):
    ws.cell(row=i + 3, column=2, value=x[:-4] if x.endswith('.doc') else x[:-5])
    ws.cell(row=i + 3, column=4, value=charCounts[x])
ws.cell(row=len(charCounts) + 3, column=3, value='Total')
ws.cell(row=len(charCounts) + 3, column=4, value=sum(charCounts.values()))
path = './charCounts.xlsx'
wb.save(path)

说明：

• 对于.docx的每个文件的说明：以temp_converted_word_file _开始的文件以.docx> .docx。 ，存储字符计数（除以65）用文件名作为键Charcount在
• .doc中的每个文件中的键pywin32 win32扩展程序的软件包将其转换为.docx用temp_converted_word_word_file _预先添加到文件名中，然后存储字符数（然后分配65） 上述词典中的键
• 以其原始文件名作为与 通过filename键
• 通过charcounts将内容存储在Excel文件中，小心截断.doc 或.docx从filename中的后缀钥匙。