20234320 罗子林实验4 Python综合实践

20234320 罗子林 2024-05-26 00:56:12

一、python实验（多文档检索器）

1.实验拟解决的问题

事情是这样的，作为一个组织部的志愿者，每次学院评优评先的时候，就需要我们检查候选人的宿舍安全卫生优秀及不合格次数、是否挂科等情况，而宿舍安全卫生的通报都是一周一期发，一年下来好几十期，每个打开用word自带的检索功能检索几十个候选人，对电脑的内存和人的脑子都不是一件很美妙的事情。既然王老师在课上讲过python很适合解决自动化办公问题，于是决定长痛不如短痛，编写一个多文件检索程序，给未来的组织部小朋友工作减少一些压力。

2.实验分析与设计

用户输入目标路径，程序找到目标文件夹，筛选word文档；
从txt文件中提取关键词；
匹配文件夹中的word文档，并在多个文档中查找包含关键词的段落和表格，这是核心模块，需要确保各种格式的关键词都能查找到；
将查找到的行输出到一个新的word文档中；

3.程序实现

1. 筛选word文档

此处使用正则表达式对后缀进行匹配，找到word文档。
原本没有筛选word文档这一功能，但是在实验中发现计算机会把我放在目录下的txt文件也加入列表中导致运行出现问题，所以决定加入筛选word文档的功能。

2. txt文件中提取关键词

3. 多文档查找

在文字和表格中查找匹配的关键词，该功能依赖python的docx库，对word文档进行操作
如果找到关键词，则存入列表中返回，若未查找到，则返回包含 '未找到关键字' 的列表

4. 写入新文档

将查找到的包含关键词的段落和表格写入新的word文档中，并设计好文档的格式

4.运行视频

5.源代码

import os, re
from docx import Document
from docx.enum.style import WD_STYLE_TYPE

global ur

def get_path(path):
    file_list = os.listdir(path)
    doc_list = [i for i in file_list if re.compile(r'\w+.docx').match(i)]

    for i in range(len(doc_list)):
        doc_list[i] = ur + '/' + doc_list[i]
    return doc_list

def find_text(path, word):
    document = Document(path)
    findlist = []

    for paragraph in document.paragraphs:
        str1 = paragraph.text
        if str1.find(word) != -1:
            findlist.append(str1)

    for table in document.tables:
        for row in table.rows:
            for cell in row.cells: # 检查单元格中是否包含关键词
                if word in cell.text:
                    findlist.append(cell.text)

    if findlist == []:
        findlist.append('未找到关键字')
    return findlist


def read_keyword(add):
    with open(add + '/keyword.txt', encoding='utf=8') as f:
        key_word = f.readlines()
        for i in range(len(key_word)):
            key_word[i] = key_word[i].strip()
        return key_word

print("欢迎使用word检索器")
ur = input("请输入你要检查的文件夹，请注意，路径中使用/分隔\n")
print("请在文件夹中以keyword为名创建一个txt文件，并将关键词输入进去")
key_word = read_keyword(ur)
print(f"你要检查的关键词为{key_word}")
doc_path = get_path(ur)
list_word = []
document = Document()
for x in doc_path:
    document.add_heading(x, level=1)
    for i in key_word:
        document.add_heading(i, level=2)
        for num in range(len(find_text(x, i))):
            serial_number = num + 1
            str(serial_number)
            str1 = 'NO.' + str(serial_number)
            document.add_paragraph(str1)
            document.add_paragraph(find_text(x, i)[num])
document.save(ur + '/result.docx')

6.遇到的问题及解决方案

问题：from docx import Document 在下载docx库后无法使用
解决思路：python3移除了exceptions模块，需要使用pycharm下载python-docx 库
问题：路径输入后无法定位到文件夹，报错信息‘unicodeescape‘ codec can‘t decode bytes in position 2-3
解决思路：这里是因为文件夹中的地址是用 \ 来分隔不同文件夹的，而Python识别地址时只能识别用 / 分隔的地址。将路径中的\改为/就可以，在用户输入时做了专门的提醒。之后考虑在字符串前加上r或R的方法会更加方便
问题：程序可以搜索到文字段落里面的关键词，但是搜索不到word表格中的关键词
解决思路：加入了遍历表格的代码，将检索到的表格文字添加进列表
问题：在查找当前目录的word文档时会把目录下的keyword.txt文件输入进去
解决思路：用正则表达式筛选了.docx文件

7.实验心得及体会

科学是第一生产力，以后再也不用让电脑和脑子双重承压了>-<
这个程序用到了之前从来没有接触到的python中进行文件操作的功能，我阅读了很多博客进行学习，docx 库是个很好的工具，能进行很多实际的批量word文件操作。程序中的正则表达式是之前王老师课上的内容，用在这里刚刚好。
python中好用的库有很多，使用好能少造轮子，对解决实际问题的帮助很大。
实践中不断给程序加入新的功能，这些体会是在自己做和使用时才能想到的，因此动手对解决问题帮助很大。
实验中发生了很多千奇百怪的问题，最后都在博客中一一解答，毕竟，经受了虚拟机摧残的我，内心已经很粗糙了，信息检索能力也有很大的提升，这让我懂得，编程能力是从实践中得来的。

二、课程总结与意见建议

1.课程总结

在选这门课程之前，我是做好了打硬仗听天书的准备的，但是听完王老师的第一堂课，才发现python原来能被讲述得如此清晰明了、生动有趣，再次感谢王老师为我们精心的备课准备。
python的用途非常广泛，每堂python课都有一个主题，从爬虫到网络通信，再到正则表达式的应用，每次课激发的关于python的兴趣都远超课程的课时，让我也不由得感慨一句：“人生苦短，我用python。”
这堂课教给我的，不仅是python的点点滴滴的知识，还有对于代码和编程的认识，记得老师特别喜欢提问什么是面向对象的语言，让我永远记住了盖浇饭。平时课程中老师展现的对于教学和研究的热忱，还有最后一课对我们的叮嘱，让我明白了学习的态度真的很重要。跟上王老师的节奏，我也克服了懒惰，在课下学习了一些python的知识，愿意花时间去深究一些bug。再次感谢王老师，感谢这门与众不同的python课。