Python office | 深入了解文件的属性

Kate 2020-11-12 22:24:50

目标

无论是window、Linux或者Mac系统，都会存在 wps/office/PPT/Excel 文档,当然内容多了就需要统计数据，进行数据分析，数据处理。

如何继续呢？思路是如何处理这些文件，进行统计？

不同需求，就会有不同的统计思路，简单的是对此类文件的信息进行整理，获取其中的文件作者、标题、修改时间、文件大小等等，那我们一起来看看到底是些什么内容？

本篇参考的是Mac系统下的文件，不过小编在Window系统也操作实践一轮，大同小异。使用自己编写的程序自动进行信息提取。

如图：

• test.ppt

• test.docx

ex: size,date created,kind,tags,comments

officeFileProperties.py

# contain pptx,docx,excel
from docx import Document
from pptx import Presentation

import openpyxl
    

def getDocProperties(docFile):
    properties = Document(docFile).core_properties

    return {'Author': properties.author,
          'Created': properties.created,
          'Last Modified': properties.last_modified_by,
          'Modified': properties.modified}

def getPPTProperties(pptFile):
      properties = Presentation(pptFile).core_properties

      return {'Author': properties.author,
          'Created': properties.created,
          'Last Modified': properties.last_modified_by,
          'Modified': properties.modified}

def getExcelProperties(excelFile):
    properties = openpyxl.load_workbook(excelFile).properties
    return {'Author': properties.author,
          'Created': properties.created,
          'Last Modified': properties.last_modified_by,
          'Modified': properties.modified}

附录

Core Document Properties

Python-pptx Presentations

openpyxl - A Python library to read/write Excel 2010 xlsx/xlsm files

下载Python的库

python-docx

python-pptx

openpyxl