【[Python自动化] 我写了一个工具，一键将几百个Word/PDF简历自动汇总到Excel，早早下班！】

🟢 前言：拒绝机械劳动

你是否遇到过这样的场景： 老板发给你一个文件夹，里面装了几百份格式类似的 Word 文档（比如简历、报名表、调查问卷），让你把里面的"姓名"、"电话"、"毕业学校"等信息一个一个复制粘贴到 Excel 表格里汇总？

如果手动做，不仅眼睛都要看瞎，而且极其容易出错。作为一名 Python 开发者，这种重复性劳动是绝对不能忍受的！

于是，我利用 Python 的 PyQt + pandas + python-docx 开发了一个带图形界面的自动化工具，能够自动遍历文件夹，识别 Word 表格内容，甚至支持 PDF 和老旧的 .doc 格式，最终一键生成 Excel 汇总表。

今天将源码分享给大家，希望能帮大家从繁琐的 Ctrl+C/V 中解脱出来。

项目开源地址 ：github.com/xy200303/au... （欢迎 Star ⭐ 支持一下！）

---

🚀 功能亮点

这个工具主要解决了以下几个痛点：

1. 批量处理：支持选择文件夹，自动递归查找所有文件。
2. 格式兼容 ：
   • 原生支持 .docx。
   • 自动将 .doc 转换为 .docx（基于 pywin32）。
   • 自动将 .pdf 转换为 .docx（基于 pdf2docx）。
3. 自定义提取：你只需要输入你想提取的字段（如：姓名,电话,邮箱），程序会自动在 Word 表格中查找对应的值。
4. 图形界面：基于 PyQt 编写了 GUI，不懂代码的同事也能直接使用。
5. 结果导出 ：处理完成后自动生成带时间戳的 .xlsx 文件。

---

🛠️ 技术栈与原理

• 界面 (UI): PyQt6 / PyQt5
• Word处理: python-docx (用于读取表格数据)
• PDF转Word: pdf2docx
• Doc转Docx: pywin32 (调用 Word 底层 COM 接口)
• 数据汇总: pandas

核心逻辑图解

1. 用户输入：选择文件夹 + 输入关键词（如"姓名"）。
2. 文件预处理：如果是 PDF 或 .doc，先转换为 .docx。
3. 读取内容 ：利用 python-docx 读取文档中的所有表格，将其展平为一个列表。
4. 关键词匹配 ：在列表中找到包含"姓名"的单元格，取其下一个非空单元格作为数据。
5. 导出：使用 pandas 将字典列表写入 Excel。

---

💻 核心代码解析

1. 提取 Word 表格数据 (toolCore.py)

这是最关键的一步。由于 Word 排版复杂，我们统一将所有表格的内容读取出来，按顺序存入一个列表，这样就将二维的表格降维成了一维的线性数据，方便查找。

from docx import Document

def word_tables_to_list(file_path):
    """
    读取 docx 中的所有表格，并将其展平为列表
    """
    doc = Document(file_path)
    cells = []
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                text = cell.text.strip()
                # 简单清洗数据
                text = text.replace("\n", "").replace(" ", "")
                cells.append(text)
    return cells

2. 智能匹配字段 (toolCore.py)

获取到列表后，如何提取数据？这里采用了一个简单的逻辑：查找 Key，取 Key 后面紧邻的 Value。

def get_info_from_cells(cells, keys_dict):
    """
    cells: 文档所有内容的列表
    keys_dict: 用户输入的关键词列表，如 ['姓名', '电话']
    """
    info = {}
    for k in keys_dict:
        # 默认该字段为空
        info[k] = "" 
        try:
            # 在列表中找到关键词的位置
            if k in cells:
                k_index = cells.index(k)
                # 取关键词的下一个位置作为值
                # 这里的逻辑可以根据实际表格结构调整，比如 +2 或者 +3
                value = cells[k_index + 1]
                info[k] = value
        except Exception as e:
            print(f"提取 {k} 失败: {e}")
    return info

3. PDF 转 Word (toolCore.py)

为了支持 PDF 简历，我们集成了 pdf2docx 库：

from pdf2docx import Converter

def TransPdfToDocx(file_path, out_file):
    cv = Converter(file_path)
    cv.convert(out_file)
    cv.close()

4. 主程序调用 (Main.py)

在 PyQt 的主线程中，我们串联起所有逻辑：

# 伪代码逻辑演示
def ok(self):
    # 1. 获取用户输入的关键词
    keys_dict = self.getInput_Key_dict()
    
    res = []
    # 2. 遍历文件列表
    for file in self.word_file_list:
        # 3. 提取表格内容
        cells = word_tables_to_list(file)
        # 4. 匹配数据
        info = get_info_from_cells(cells, keys_dict)
        res.append(info)
    
    # 5. 导出 Excel
    if res:
        data = pd.DataFrame(res)
        data.to_excel("output.xlsx", index=False)

---

📦 如何使用本项目

如果你想直接运行代码，请按照以下步骤操作：

第一步：克隆项目

git clone https://github.com/xy200303/automatic-word-summary
cd automatic-word-summary

第二步：安装依赖库

请确保你的 Python 环境安装了以下库（建议使用国内源）：

pip install pandas python-docx pdf2docx pywin32 PyQt6 openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：如果你要修改界面，还需要安装 pyqt6-tools。

第三步：运行程序

python Main.py

第四步：操作流程

1. 点击 "选取文件夹"，选择包含简历/报名表的目录。
2. 在 "提取字段" 输入框中，输入你想提取的表头名称，用逗号隔开。
   • 例如：姓名,性别,出生年月,毕业院校,联系电话
3. 点击 "开始处理"。
4. 等待日志滚动完毕，在原文件夹下的 output 目录中即可找到汇总好的 Excel 表格。

---

📝 总结与扩展

这个脚本虽然简单，但解决的是实实在在的痛点。特别是在处理格式固定的政务表单、学校报名表时，效率提升是数量级的。

未来优化方向：

• 目前是取 Key 的下一个单元格，对于复杂的合并单元格表格，可能需要优化查找逻辑（比如根据坐标查找）。
• 可以加入多线程处理，加快 PDF 转换的速度。
• 利用正则表达式对提取出的电话、邮箱进行二次清洗。

如果你觉得这个项目对你有帮助，欢迎去 GitHub 点个 Star！如果有问题，也可以在评论区留言交流。

项目地址 👉 github.com/xy200303/au...