嘿，这个需求其实挺 straightforward 的，不用自己从零啃Word的二进制格式，直接靠成熟工具库搞定文本提取，再用正则抓结构化数据就行，步骤超清晰：

第一步：安装必备库 #

• 处理 .docx 文件：用 python-docx，轻量且专门针对docx格式，没有冗余依赖：

  pip install python-docx
  

• 处理 .doc 旧格式：跨平台场景推荐 textract（它会自动调用底层工具提取纯文本），Windows用户也可以用 pywin32 调用本地Word，但textract的通用性更强：

  pip install textract
  

  （注：textract在Linux/macOS可能需要额外装系统依赖，比如处理doc要装antiword，Ubuntu可以用sudo apt install antiword搞定）

第二步：核心代码实现 #

思路就是：遍历目标文件夹里的所有doc/docx文件 → 提取纯文本 → 用正则匹配每一条结构化数据 → 整理成字典/列表（方便后续存成CSV/Excel）

import os
import re
from docx import Document
import textract

# 定义匹配数据的正则表达式，适配你给出的格式，加\s*兼容可能的空格
pattern = re.compile(r'Name:\s*(\w+),\s*Place:\s*(\w+),\s*Country:\s*(\w+),\s*PHONE NO.:\s*(\d+)')

def extract_word_data(file_path):
    # 根据文件后缀提取文本
    if file_path.endswith('.docx'):
        doc = Document(file_path)
        text = '\n'.join([para.text for para in doc.paragraphs])
    elif file_path.endswith('.doc'):
        # 用textract提取doc文本并转成utf-8编码
        text = textract.process(file_path).decode('utf-8')
    else:
        return []
    
    # 匹配所有符合格式的数据条目
    matches = pattern.findall(text)
    # 转换成易读的结构化字典列表
    result = [
        {
            'Name': match[0],
            'Place': match[1],
            'Country': match[2],
            'Phone': match[3]
        }
        for match in matches
    ]
    return result

# 遍历指定文件夹下的所有doc/docx文件
target_folder = './your_word_files'  # 替换成你的实际文件夹路径
all_data = []
for filename in os.listdir(target_folder):
    if filename.endswith(('.doc', '.docx')):
        file_path = os.path.join(target_folder, filename)
        data = extract_word_data(file_path)
        all_data.extend(data)

# 输出结果，或者直接存成CSV
print(all_data)
# 如果要导出成CSV文件，取消下面的注释：
# import csv
# with open('output_contacts.csv', 'w', newline='', encoding='utf-8') as f:
#     writer = csv.DictWriter(f, fieldnames=['Name', 'Place', 'Country', 'Phone'])
#     writer.writeheader()
#     writer.writerows(all_data)

为啥这是最简方案？ #

• 完全不用手动解析Word的复杂格式，全靠成熟库搞定文本提取，减少出错概率
• 正则表达式精准匹配你给出的结构化格式，一行就能抓出所有目标数据
• 代码结构清晰，只要替换文件夹路径就能直接跑，扩展性也强（比如要加新字段，改正则就行）

如果你的Word文件里的格式有微小变动（比如字段顺序调整、有换行），只需要微调正则表达式就能适配，比如允许字段间换行的版本：

pattern = re.compile(r'Name:\s*(\w+),?\s*(?:Place:\s*(\w+),?\s*)?(?:Country:\s*(\w+),?\s*)?(?:PHONE NO.:\s*(\d+))?', re.DOTALL)

内容的提问来源于stack exchange，提问作者Rajat