Doc

python-docx

justdopython - Word 神器 python-docx

利用python读取WORD文档中的创建者信息

主要有两种方法：

1. 每个WORD文档实际上就是一个压缩包，这些信息是放在压缩包中的core.xml的文件里面的。通过读取这个文件，即可以获得上述信息；

2. 直接利用python-docx来进行WORD的操作，实现对这些信息的提取。

   代码

   ```python def get_wordinfo(document):
   core_properties = document.core_properties

   print(‘作者:’, core_properties.author) print(‘创建时间’, core_properties.created) print(core_properties.last_modified_by) print(core_properties.last_printed) print(core_properties.modified) print(core_properties.revision) print(core_properties.title) print(core_properties.category) print(core_properties.comments) print(core_properties.identifier) print(core_properties.keywords) print(core_properties.language) print(core_properties.subject) print(core_properties.version) print(core_properties.keywords) print(core_properties.content_status) return {‘作者’:core_properties.author,’创建时间’:core_properties.created.value,’修改人’:core_properties.last_modified_by,

            '最后打印时间':core_properties.last_printed.value,'最后修改时间':core_properties.modified.value}

<a name="lBPBr"></a>
### 运行结果
```python
{'作者': 'Administrator', '创建时间': '2018-08-24 03:41:00', '修改人': '778514434@qq.com', '最后打印时间': '2018-10-15 05:57:00', '最后修改时间': '2020-06-20 01:58:00'}

Excel

zipfile+docProps/core.xml

利用python读取EXCEL文档中的创建者信息

文件创建者信息提取是文件拷贝检测的一个重要维度信息，前面WORD文档的创建者信息可以通过成熟的python-docx库来进行提取，而EXCEL文件的属性信息，存在docProps/core.xml的目录。
core.xml文件打开的效果如下：

因此，可以采用读取压缩包中文件的方式来进行信息的抽取，对应的python代码如下：

def get_excel_author(excel_file):
    # open zipfile
    zf = zipfile.ZipFile(excel_file)
    # use lxml to parse the xml file we are interested in
    doc = lxml.etree.fromstring(zf.read('docProps/core.xml'))
    attr_nodes = doc.getchildren()
    # retrieve creator
    #ns={'dc': 'http://purl.org/dc/elements/1.1/'}
   # creator = doc.xpath('//dc:creator', namespaces=ns)[0].text
    return {'作者':attr_nodes[0].text,'创建时间':attr_nodes[2].text,'修改人':attr_nodes[1].text,
                '最后修改时间':attr_nodes[3].text}

doc(x)文档同样可以使用此方式