應(yīng)用VBA批量提取整理文檔數(shù)據(jù)

文/王兆星 王麗敏

1 引言

Word文檔在數(shù)據(jù)展示、圖文混排上有很多優(yōu)點(diǎn)，缺點(diǎn)是對(duì)于在結(jié)構(gòu)、內(nèi)容有規(guī)律的數(shù)據(jù)不便于查看和分析統(tǒng)計(jì)。分析Word文檔中存在哪些結(jié)構(gòu)、內(nèi)容上有規(guī)律的數(shù)據(jù)，并將這些數(shù)據(jù)從Word文檔中提取出來(lái)進(jìn)行單獨(dú)的展示與分析，有助于快速地對(duì)文檔內(nèi)容進(jìn)行深入了解，對(duì)于分布于文檔各處的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析，有利于提高工作效率。

2 有規(guī)律的數(shù)據(jù)

在常見(jiàn)的Word文檔中，在直觀上給人以醒目印象的數(shù)據(jù)有3類(lèi)數(shù)據(jù)：各級(jí)標(biāo)題、表格、圖表。

2.1 各級(jí)標(biāo)題

標(biāo)題是對(duì)文檔內(nèi)容以逐層細(xì)化的方式進(jìn)行分解，如果讀一篇文章的時(shí)間很短，可以從各級(jí)標(biāo)題中了解文章的核心思想。因?yàn)闃?biāo)題在Word文檔中是以層次結(jié)構(gòu)的方式組織的，在結(jié)構(gòu)上有規(guī)律可尋。對(duì)于一篇報(bào)告類(lèi)的文章，如果篇幅很大，而層次結(jié)構(gòu)簡(jiǎn)單、分明，若能單獨(dú)將其標(biāo)題提取出來(lái)，對(duì)于快速把握文章內(nèi)容主旨，核查文章有沒(méi)有大項(xiàng)上的缺失，將變得簡(jiǎn)單而高效。

2.2 表格

一篇文章中，使用表格表達(dá)的數(shù)據(jù)，具有結(jié)構(gòu)簡(jiǎn)單明了，語(yǔ)義清晰豐富，且一般承載了文章中重要的數(shù)據(jù)等特征。甚至，一些文章中會(huì)使用結(jié)構(gòu)上完全相同的大量表格來(lái)承載同類(lèi)數(shù)據(jù)。如果能將所有表格單獨(dú)提取出來(lái)，將有助于對(duì)文章核心內(nèi)容的把握。對(duì)結(jié)構(gòu)完全相同的大量表格，如果能將其中的數(shù)據(jù)提取成一張Excel二維表，就能將分散在Word文檔各處的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，提高工作效率。

圖1

圖2

圖3

圖4

2.3 圖表

一圖抵萬(wàn)言，用圖表達(dá)的數(shù)據(jù)形象直觀，信息量大。如果一篇文章中內(nèi)容很多，使用了很多具有相同意義的圖且分散在文中各處，單獨(dú)將這些圖提取出來(lái)進(jìn)行查看，將提升對(duì)文章核心信息把握的效率。

3 數(shù)據(jù)提取

使用VBA編程的方式，可以快速地從Word中提取需要的結(jié)構(gòu)或內(nèi)容數(shù)據(jù)。

3.1 提取標(biāo)題數(shù)據(jù)到一個(gè)單獨(dú)的Word文件中

在Word文檔中，標(biāo)題是文檔的結(jié)構(gòu)數(shù)據(jù)，在正式的Word文檔編輯中，每個(gè)標(biāo)題都屬于一個(gè)段落，標(biāo)題段落的大綱級(jí)別不同于正文段落。VBA中可以使用Paragraph.ΟutlineLevel獲取到指定段落的大綱級(jí)別。大綱級(jí)別的枚舉值及其說(shuō)明見(jiàn)表1。【W(wǎng)ord 開(kāi)發(fā)人員參考】標(biāo)題的級(jí)別越高（大標(biāo)題），相應(yīng)大綱級(jí)別的值越小。

枚舉名稱(chēng) 值 說(shuō)明wdΟutlineLevel1 1 大綱級(jí)別 1。wdΟutlineLevel2 2 大綱級(jí)別 2。wdΟutlineLevel3 3 大綱級(jí)別 3。wdΟutlineLevel4 4 大綱級(jí)別 4。wdΟutlineLevel5 5 大綱級(jí)別 5。wdΟutlineLevel6 6 大綱級(jí)別 6。wdΟutlineLevel7 7 大綱級(jí)別 7。wdΟutlineLevel8 8 大綱級(jí)別 8。wdΟutlineLevel9 9 大綱級(jí)別 9。wdΟutlineLevelBodyText10沒(méi)有大綱級(jí)別。

提取一個(gè)文檔中所有標(biāo)題信息的核心VBA代碼如圖1所示。

提取指定大綱級(jí)別標(biāo)題的核心代碼如圖2所示。

在實(shí)際應(yīng)用中，有一類(lèi)標(biāo)題可以歸納為“葉子標(biāo)題”，即該標(biāo)題的下一個(gè)段落就是正文或者應(yīng)該有正文但沒(méi)有正文內(nèi)容的標(biāo)題。“葉子標(biāo)題”及其下方的正文是文章按層次分解后的最低層次。

按照上述描述，提取“葉子標(biāo)題”的核心代碼如圖3所示。

3.2 提取文檔中所有表格到一個(gè)單獨(dú)的Word文件中

如圖4所示。

3.3 提取結(jié)構(gòu)相同的表數(shù)據(jù)為二維表

假設(shè)，需要提取具有相同表格格式的學(xué)生信息表，如下：

?

通過(guò)如下代碼，可以將Word中的多個(gè)表格提取為Excel二維表，如圖5所示。

Word中的數(shù)據(jù)如下：

提取到Excel中，數(shù)據(jù)顯示為：

圖5

圖6

為在Excel中進(jìn)行進(jìn)一步的數(shù)據(jù)分析做準(zhǔn)備。

3.5 提取圖片格式數(shù)據(jù)

如圖6所示。

4 結(jié)束語(yǔ)

本文介紹了使用VBA編程的方式，從Word文檔中對(duì)標(biāo)題數(shù)據(jù)、表格數(shù)據(jù)、圖形數(shù)據(jù)進(jìn)行提取的方法，并進(jìn)行了相應(yīng)的理論分析，對(duì)長(zhǎng)篇幅報(bào)告中表格數(shù)據(jù)、標(biāo)題結(jié)構(gòu)實(shí)現(xiàn)一鍵提取，從而提高辦公效率。