如何使用脚本计算Libre Office文件中的单词

Question

我正在尝试编写一个脚本，该脚本占用一个包含X.odt文件的文件夹并计算字数。它必须把它写在一个csv文件中，并注明日期。

我试着用odfpy来做。

import odf
import glob
import pandas as pd
import os
from odf.opendocument import load as load_odt
filenames = []
word_counts = []
for f in glob.glob('*.odt'):
print(f)
doc = load_odt(f)
if doc.text.hasChildNodes():
n = 0
for e in doc.text.childNodes:
if ":text:" in e.qname[0]:
words = [w for w in str(e).split(" ") if len(w) > 0]
n += len(words)
else:
print(e.qname[0])
filenames.append(f)
word_counts.append(n)
df = pd.DataFrame({'date':[pd.Timestamp.now() for i in range(len(filenames))], 'filename':filenames, 'word_count':word_counts})
print(df)
csv_filename = 'word_count.csv'

它以某种方式工作，但CSV中缺少一些文件。有什么想法吗？

Answer 1

它看起来像这样工作：

import odf
import glob
import pandas as pd
import os
from odf.opendocument import load as load_odt
filenames = []
word_counts = []
for f in glob.glob('*.odt'):
print(f)
doc = load_odt(f)
n = 0
for e in doc.body.childNodes:
if type(e) == odf.element.Text or type(e) == odf.element.Element:
words = [w for w in str(e).split(" ") if len(w) > 0]
n += len(words)
else:
print(type(e))

filenames.append(f)
word_counts.append(n)
df = pd.DataFrame({'date':[pd.Timestamp.now() for i in range(len(filenames))], 'filename':filenames, 'word_count':word_counts})
print(df)
csv_filename = 'word_count.csv'
df.to_csv(csv_filename, index = False, mode='a', header=not os.path.exists(csv_filename))
print(df.sum(axis = 0))

这与LibreOffice的字数不完全相同，但已经足够了。