请写一个 python 程序，提取word 文档中的的bash 脚本与 SQL 脚本。
1、宋体“小二”标题，用 “-” 包围例如这样：并在后面添加两个回车。
--------------------------------------------------------------------
----------------- LAB01-安装说明 -------------------------------
--------------------------------------------------------------------
2、提取宋体“四号”标题，在前面添加“--”例如这样：并在后面添加两个回车。
--一、添加主机名解析
3、宋体五号标题，在前面添加“--”，例如这样：请注意只提取有“1、”这样标号的文本，其他文字信息不提取。
--1、关闭并禁用防火墙。
4、bash 脚本与 SQL 脚本 存放在 一行一列的表格中。请只提取一行一列的表格内容。其他表格的内容不提取。
5、请注意标题与脚本的顺序保持原样。
6、扫描当前目录下的多个word 文件，并提取出来的文本写入到 与当前目录下word 文件中一样的名字，后缀名为“.sql”
import os
import glob
from docx import Document
from docx.oxml.text.paragraph import CT_P
from docx.oxml.table import CT_Tbl
from docx.table import Table
import re
def get_font_size(paragraph):
"""获取段落的字体大小(磅值)"""
if paragraph.runs:
for run in paragraph.runs:
if run.font.size:
return run.font.size.pt
return None
def is_chinese_heading(text):
"""判断是否为中文序号格式（如：一、二、三、）"""
pattern = r'^[一二三四五六七八九十]+、'
return bool(re.match(pattern, text.strip()))
def has_number_prefix(text):
"""判断是否以数字标号开头（如"1、"、"2、"等）"""
text_stripped = text.strip()
patterns = [
r'^\d+[、.]', # 1、 或 1.
# r'^\(\d+\)', # (1) 或 (2)
# r'^（\d+）', # （1）或（2）
]
for pattern in patterns:
if re.match(pattern, text_stripped):
return True
return False
def extract_scripts_from_docx(docx_path):
"""从Word文档中提取脚本和标题"""
doc = Document(docx_path)
output_lines = []
for element in doc.element.body:
if isinstance(element, CT_P): # 段落
para_obj = None
for para in doc.paragraphs:
if para._element == element:
para_obj = para
break
if para_obj:
text = para_obj.text.strip()
if not text:
continue
font_size = get_font_size(para_obj)
# 小二标题 (约18磅) - 用长"-"包围
if font_size and 17 <= font_size <= 22:
separator = "-" * 70
title_line = f"----------------- {text} -------------------------------"
output_lines.append(f"{separator}\n")
output_lines.append(f"{title_line}\n")
output_lines.append(f"{separator}\n\n")
# 四号标题 - 中文序号格式（一、二、三、）
elif is_chinese_heading(text):
output_lines.append(f"--{text}\n\n")
# 五号标题 - 只提取带数字标号的（1、2、3、）
elif has_number_prefix(text):
output_lines.append(f"--{text}\n")
elif isinstance(element, CT_Tbl): # 表格
table = Table(element, doc)
# 只处理一行一列的表格
if len(table.rows) == 1 and len(table.columns) == 1:
cell_text = table.cell(0, 0).text
# 保留表格中的所有内容
if cell_text.strip():
lines = cell_text.split('\n')
for line in lines:
if line.strip(): # 只排除完全空白的行
output_lines.append(line + '\n')
output_lines.append('\n') # 表格结束后添加空行
return output_lines
def process_word_file(docx_path):
"""处理单个Word文件并生成.sql文件"""
if not os.path.exists(docx_path):
print(f" ❌ 文件不存在: {docx_path}")
return False
try:
output_lines = extract_scripts_from_docx(docx_path)
base_name = os.path.splitext(docx_path)[0]
output_path = f"{base_name}.sql"
with open(output_path, 'w', encoding='utf-8') as f:
f.writelines(output_lines)
print(f" ✓ 提取完成: {os.path.basename(output_path)} (共 {len(output_lines)} 行)")
return True
except Exception as e:
print(f" ❌ 处理失败: {os.path.basename(docx_path)} - 错误: {str(e)}")
return False
def process_multiple_word_files():
"""批量处理多个Word文档（默认当前目录，*.docx）"""
directory = os.getcwd()
file_pattern = "*.docx"
# 构建搜索路径
search_path = os.path.join(directory, file_pattern)
docx_files = glob.glob(search_path)
# 过滤掉临时文件（以~$开头）
docx_files = [f for f in docx_files if not os.path.basename(f).startswith('~)]
if not docx_files:
print(f"❌ 当前目录下未找到.docx文件")
return
print(f"\n📁 当前目录: {directory}")
print(f"📁 找到 {len(docx_files)} 个Word文档:")
for f in docx_files:
print(f" - {os.path.basename(f)}")
print(f"\n🔧 开始处理...\n")
success_count = 0
fail_count = 0
for idx, docx_file in enumerate(docx_files, 1):
print(f"[{idx}/{len(docx_files)}] 处理: {os.path.basename(docx_file)}")
if process_word_file(docx_file):
success_count += 1
else:
fail_count += 1
print("\n" + "=" * 60)
print(f"✅ 处理完成!")
print(f" 成功: {success_count} 个文件")
if fail_count > 0:
print(f" 失败: {fail_count} 个文件")
print("=" * 60)
if __name__ == "__main__":
process_multiple_word_files()