DOCX Files Search and Manipulation

這學期 (108-2) 修大學部的 python 課程，在期末用 python-docx 搭配 python 內建函式庫做了一個迷你專案。

最初的想法如下圖：

Code

1
2
3
4
5
6
7
8
import os
import os.path
from os import path
import docx
from docx import Document
import re
import shutil
from shutil import copyfile

使用者輸入原資料夾所在的路徑。若路徑存在則將 working directory 設為使用者輸入的路徑，若路徑不存在則印出警告訊息。

1
2
3
4
5
6
7
path1 = '123'
while path.exists(path1) == False:
    path1 = input('Please enter the location of the original files:')  
    if path.exists(path1):
        os.chdir(path1) # Set working directory
    else:
        print('Warning: Invalid path')

使用者輸入關鍵字（可接受 regular expression），並將含有其關鍵字的 .docx 檔案存到 matched_files 中，再做出各個含有關鍵字檔案的路徑，存到 matched_files_paths。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
# A function that extracts files that match the pattern
def search_file(filename, pattern):
    doc = docx.Document(filename)
    text = []
    for para in doc.paragraphs:
        text.append(para.text)
    if re.findall(pattern, str(text)) != []:
        return filename
    else:
        return 0

1
2
3
4
5
6
7
8
# Search docx files with content matching particular pattern
pattern = input('Please enter the keyword')
matched_files = []
for file in os.listdir():
    if not file.endswith('.docx'): continue
    x = search_file(file, pattern)
    if x != 0:
        matched_files.append(x)

1
2
3
4
5
# Extract matched files path
matched_files_paths = []
for matched_file in matched_files:
    path = f"{path1}\\{matched_file}"
    matched_files_paths.append(path)

有了 matched_files_paths，就可以對含有關鍵字的 .docx 檔案進行操作。使用者可以輸入 move 或 copy，再輸入新路徑（欲移動或複製至哪一個資料夾），或是直接輸入 delete，將含有關鍵字的 .docx 檔案刪除。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
# A function that manipulates files (move, copy, or delete)
def file_manipulate(mode, matched_file_path, to):
    if mode == 'move':
        shutil.move(matched_file_path, to)
    elif mode == 'copy':
        shutil.copy(matched_file_path, to)
    elif mode == 'delete':
        os.remove(matched_file_path)        
    else:
        return 'no such mode'

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
mode = '123'
while mode not in ['move','copy', 'delete']:
    mode = input('move, copy, or delete?')
    if mode == 'delete':
        to = ''
        for matched_file_path in matched_files_paths:
                file_manipulate(mode, matched_file_path, to)  
    elif mode in ['move', 'copy']:
        to = input("Please provide the new file path")
        if path.exists(to) == False:
            print('Warning: Invalid path')
        else:
            for matched_file_path in matched_files_paths:
                file_manipulate(mode, matched_file_path, to)
    else:
        print('Warning: Invalid mode')

Murmuring

真心覺得對初學者來說，盡量不要同時學兩個程式。資質駑鈍如我無法同時參透兩個語言，因此這學期就是不斷把 R 寫在 python 裡或把 python 寫在 R 裡。寫完一整天的 python 要再回去寫 R，簡直像濃霧中漫步伸手不見五指。順攝抑制和倒攝抑制在我身上嶄露無遺。所以學程式不要貪快貪多，會消化不良（倘若列位看官是程式小天才則另當別論）。像這個簡單的小專案就讓我做了超級久（從適應 python 語法到寫出好像可以 run 的東西），而且還不大完善。最好的方式就是早一點開始學，不要像我一樣 code 到用時方恨少！