Python 从docx中提取文本作为给定属性错误的键值对

我有一个docx文件，看起来像这样

Requisition No: VOI9053459-
 
Job location: Melbourn
 
Exp : 2 – 4 Years
 
Notice period :-15day or less

还有其他的细节。我想从文档中提取某些键值对，并将其保存为字典。文档已被提取并分配给

    for child in parent_elm.iterchildren():
        if isinstance(child, CT_P):
            yield Paragraph(child, parent)
    text=block.text

到目前为止，我的进步很快

        job_location=re.compile(r'(^Job?.*\S+?)')
        notice_period=re.compile(r'(^Notice?.*\d\w*.+\S+?)')
        experience=re.compile(r'(^Exp.*\S+?)')

        job_location=job_location.search(text)
        key_value1=job_location.group()
        split1=re.split(': |-',key_value1)
        keys.append(split1[0])
        data.append(split1[1])

        notice_period=notice_period.search(text)
        key_value2=notice_period.group()
        split2=re.split(': |-',key_value2)
        keys.append(split2[0])
        data.append(split2[1])

        experience=experience.search(text)
        key_value3=experience.group()
        split3=re.split(': |-',key_value3)
        keys.append(split3[0])
        data.append(split3[1])


        for key in keys:
            col.append((key,[]))
        i=0
        for j in range(len(data)):
            T=data[j]

            col[i][1].append(T)
            i+=1
        Dict={keys:data for (keys,data) in col}

        print(Dict)

我得到属性错误

> AttributeError                            
Traceback (most recent call last) <ipython-input-261-84c60112ddb2> in <module>
>      82 
>      83 
> ---> 84 convert_docx_to_text(file_path=(r'data_extraction.docx'))
> 
> <ipython-input-261-84c60112ddb2> in convert_docx_to_text(file_path)
>      51 
>      52             job_location=job_location.search(text)
> ---> 53             key_value1=job_location.group()
>      54             split1=re.split(': |-',key_value1)
>      55             keys.append(split1[0])
> 
> AttributeError: 'NoneType' object has no attribute 'group'

>属性错误
中的回溯（最近一次呼叫）
>      82 
>      83 
>-->84将文档转换为文本（文件路径=（r'data\u extraction.docx'））
> 
>在将文档转换为文本（文件路径）中
>      51 
>52作业位置=作业位置。搜索（文本）
>-->53 key\u value1=job\u location.group（）
>54 split1=重新拆分（“：|-”，键值1）
>55个键。追加（拆分1[0]）
> 
>AttributeError:“非类型”对象没有属性“组”

---

为什么它不起作用？感谢您的帮助。谢谢

当您收到此代码时，应该可以使用

编辑1以改进代码，仅拆分第一个符合项

split3=re.split(': |-',key_value3, 1)
#keys.append(split3[0])
#data.append(split3[1])
k,v = split3
your_dict[k] = v

---

请注意这一行job_location=job_location.search（text），搜索失败，因为job_location=None，因此发生了一个错误，您无法从None中获得任何信息，您需要更改“text”或使用job_location

正则表达式存在一些问题。让我们使用正则表达式来搜索工作位置。你有：

r'(^Job?.*\S+?)'

首先，在不使用

flags=re.MULTILINE

的情况下，

^

字符将只匹配字符串的开头，而不是行的开头

Job？

匹配

Jo

可选择后跟a

b

如果没有

flags=re.DOTALL

，

*

将贪婪地匹配任何非换行符0次或更多次

\S+？

将可选地匹配1个或多个非空白字符

例如，您的正则表达式将匹配以下行：

Joabcdefg

与

*

匹配

abcdef

和

\S+？

匹配

g

您还可以调用

匹配

对象的

组

方法。但您必须向该方法传递一个整数，指定您感兴趣的组号

以下示例中给出了搜索作业位置所需的正则表达式：

import re

text = """=Requisition No: VOI9053459-

Job location: Melbourn

Exp : 2 – 4 Years

Notice period :-15day or less"""

job_location_re = re.compile(r'(?:^Job\s+location:\s+)(.*)$', re.MULTILINE)
m = job_location_re.search(text)
if m: # there is a match
    job_location = m.group(1)
    print(job_location)

印刷品：

Melbourn

请注意，我调用了已编译的正则表达式

job\u location\u re

，而不是对正则表达式和位置名称使用名称

job\u location

（？^Job\s+位置：\s+

匹配

作业位置：

，在

作业

和

位置：

之间以及

位置：

之后允许一个或多个空格。这是在非捕获组中完成的

（.*）

贪婪地匹配任何直到行尾的非换行符。这将是第1组

$

与行尾匹配

---

该错误表明

job\u location=job\u location.search（text）

未返回匹配项。但我使用regex刺激器创建了该regex，然后它又恢复了工作。我分别对其进行了处理，工作正常。不知道当我使用调试模式加入ittry时出了什么问题，或者像这样更改代码：job_location=job_location.findall（text）print（job_location）如果数组为空，则需要使用编译和/或文本提取它返回了一些empyt数组和作业位置。是因为它抛出了空数组错误吗？我怎样才能摆脱它呢？是的，错误是在搜索时，代码什么也找不到（有点理论）：findall返回字符串中的所有条目，search只是第一个，建议使用findall，因为它更通用，并取代search。只需参考数组的第一个元素：job_location=job_location.findall（text）[0]job_location=job_location.search（text）和notice_period.group（）尝试使用第一个条目（不是-None）并得到一个错误，因为无法使用空空间。您应该注意job_location=re.compile和text，有些方法不正确