python把Word题库转成Excle题库

马马超超

又到了一年一度的背题时刻，但是收到的题库是Word版的，页数特别多

题库截图

，即不利于看，也不利于背，以前都是手动去把Word版转Excle版，但是通常挺费时的，问题还多。这次就想偷懒，祭出Python神器！



顺便把题库也打包上传了，有环境的直接RUN。
话不多说，上代码，有图有真相，代码里面备注的很详细，代码运行有问题的楼下留言。

[Python] 纯文本查看 复制代码

# 导入所需库
import csv
import os
import re

from docx import Document
from win32com import client as wc


# 打开word文档


def doc_to_docx(doc_file):
    full_path = os.path.abspath(doc_file)  # 绝对路径，便于分离文件位置、名和后缀
    word = wc.Dispatch("Word.Application")
    doc = word.Documents.Open(full_path)
    doc.SaveAs(os.path.splitext(full_path)[0] + '.docx', 12)  # 保存只改后缀 12 为docx
    doc.Close()
    word.Quit()
    return os.path.splitext(full_path)[0] + '.docx'


def save_to_csv(doc_name, date):  # date为list [[1],[2],[3]...]
    name = os.path.abspath(doc_name)
    # os.path.splitext(name)[0]
    out = open(f'{os.path.splitext(name)[0]}.csv', 'a', encoding='utf-8', newline='')
    csv_write = csv.writer(out, dialect='excel')
    for row in date:
        csv_write.writerow(row)
    out.close()
    print(f'文件{os.path.splitext(name)[0]}.csv生成完毕！请查看')


if __name__ == '__main__':
    """
    为防止格式错乱，请先在源文件里执行将^l替换为^p操作
    默认每个题目开头序号都是数字,如果不是，需要修改question_start_num对应的re代码
    """
    file_name = input("请输入word文件名（带后缀）:")  # "2.doc"
    TG_style = '一二三四五六七八九、'  # 大题干类型（最后一位为符号）
    choose_split = "、"  # 选项分割符号A、 A.
    if file_name.endswith('.doc'):  # 加快处理速度：.docx比doc处理速度快，所以如果不是x结尾的转成x的
        file_name = doc_to_docx(file_name)
    document = Document(file_name)
    # 获取所有段落
    all_paragraphs = document.paragraphs
    start_num = 0  # 主干序号下角序号
    TX = ''  # 题型
    All_content = []  # 存储所有题内容
    tem = []  # 临时存储每个题类型、题干、选项、答案
    for paragraph in all_paragraphs:
        # 打印每一个段落的文字
        # print([paragraph.text])
        tittle_split = '、'
        question_start_num = re.compile(f'^\d')  # 识别题干头是否是数字
        p = re.compile(f'^{TG_style[start_num] + TG_style[-1]}')  # 匹配开头字符，筛选出大标号，区分题目类型
        tittle_ret = question_start_num.search(paragraph.text)  # 识别题干头
        ret = p.search(paragraph.text)  # 识别题型
        if ret:
            TX = paragraph.text.replace((TG_style[start_num] + TG_style[-1]), '', 1)
            start_num += 1
            # tittle_num = 1
            # print(TG)
            All_content.append(tem)
            tem = []
            All_content.append([paragraph.text])  # 读完题型，说明进入了题目内容
        else:
            if tittle_ret:  # 是否是题干
                All_content.append(tem)  # 如果是题干，证明上一题遍历完毕，进行缓存
                tem = [TX]  # 保存题型在第一位
                # print(f"{TG}{paragraph.text}")
                # tittle_num += 1  # 遇到题号不连续时继续处
            if All_content:  # 不是题干，缓存写了，说明在读取选项
                '''
                此处为了区分一行有多个选项的情况，逐个读取出来
                '''
                chooses = re.split(f"[A-Za-z]{choose_split}", paragraph.text)
                for choose in chooses:
                    if choose.replace(' ', ''):  # 替换掉选项中空格进行过滤
                        #print(choose)
                        tem.append(choose)
    save_to_csv(file_name, All_content)

Word_to_Excle.rar (13.63 KB, 下载次数: 513)

2022-12-8 09:06 上传

点击文件名下载附件
密码：52pojie

love5618775

这种标准格式的题库，我一般这样操作：
1.替换“换行符A.”为”|A.“，“换行符B.”为”|B.“，“换行符C.”为”|C.“，“换行符D.”为”|D.“，此时题目变成：题干|A.|B.|C.|D.
2.存为TXT。
3.导入EXCEL，分隔符"|"。
4.完事。
当然，很多情况，题库并非标标准准的格式，我就借用考试酷软件进行自动格式化了，还挺好用

coverme

自己动手 丰衣足食

13563219259

学习，正在准备试题呢

analyzer

有密码啊

xlhtjz

谢谢分享

tianyagd

如果题目有规律，比如都是题干，4个选项，1个答案，就可以 选中，然后文本转表格 （段落标记）设置为6列，就可以转成表格形式了。

嬉皮笑脸

analyzer 发表于 2022-12-8 11:20
有密码啊

把鼠标悬浮再文件上会显示密码的

cloud2010

自己动手丰衣足食

leipf

可以可以 学习到了

马马超超

analyzer 发表于 2022-12-8 11:20
有密码啊

密码52pojie