1

Пытаюсь создать нечто похожее на парсер word документов. Задача - находить в docx таблицах строку, обозначающую ИНН организации и выводить 10тизначное число из ячейки справа

Возможный вид таблицы

введите сюда описание изображения

Попробовал вот так:

import os
import docx
import re 
from docx import Document
doc = docx.Document("D:/Python/sample.docx")

for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)         
            WordINNfull=re.search(r"(ИНН)\s(\d{10})", cell.text)
print(WordINNfull)      

Выхлоп получается такой

Полное и сокращенное наименование
Общество с ограниченной ответственностью «»
ООО «»
Организационно-правовая форма
Общество с ограниченной ответственностью
Адрес юридический
444444, Московская область, г. Москва…………………………………
Адрес местонахождения и почтовый адрес
444444, Московская область, г. Москва…………………………………
Руководитель (должность, ФИО)
Директор – Иванов Иван Иванович, 
Действует на основании Устава
ОГРН
1111111111111
ОКПО
11111111
ОКАТО
11111111111
ОКТМО
11111111111
Номера контактных телефоном и факсов
8-800-555-35-35
Адрес электронной почты
ya@.ru
ИНН/КПП 
ИНН 1111111111/ КПП 111111111
Полные банковские реквизиты
Сбербанк 
р/сч 1111111111111111111111111
БИК 1111111111111111  
к/с 11111111111111111111
None
>>> 

Пробовал менять шаблон. Например "\d" выдает re.Match object; span=(36, 37), match='4', но просто шаблон "ИНН" возвращает None.

Пните пожалуйста в нужную сторону!

2
  • 1
    Подозреваю что у вас кодировка текста и программы разная. Распечатайте рядом со строкой из ячейки шаблон регулярного выражения. 19 фев 2022 в 11:06
  • Попробуй после всех (for) поставить (continue) или (break) . Можно ещё в книге (Мэтт Харрисон как устроен питон 96 стр. открываешь и там все про None)
    – user484536
    19 фев 2022 в 13:31

1 ответ 1

0

Все просто. Вы каждую строку переназначаете переменную WordINNfull, соответственно, по итогу вы получаете поиск только в последней строке (None). Рабочий код выглядит так:

import os
import docx
import re 
from docx import Document
doc = docx.Document("D:/Python/sample.docx")

for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)         
            WordINNfull=re.search(r"(ИНН)\s(\d{10})", cell.text)
            if WordINNfull:
                print(WordINNfull)

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.