【VBA脚本】提取word文档中所有批注的信息和待解决状态

前言

关于word文档的工具，之前做过这个：

针对word.docx文档的关键词索引器

这个工具在我设想中的是用来在项目的后期检查文档中是否还有TBD/TODO这类关键词未清理，检查文档的完成状态。而后，继续探索对于文档质量检查的工具，于是我发现我们很多文档的review是通过批注完成的（当然也有借助网站的），而这些批注的待解决状态并不是非常的直观：

尤其是文档较长的时候，需要一条一条的过（当然了，word里也支持跳到下一个未解决）。如果只有一个文档还好，如果你作为交付负责人，要负责许多文档的交付质量时，一个文档一个文档的看肯定是不现实的，因此我觉得有必要做这样一个统计归档的工具。当然，已经有review网站或者平台做了这种事情，所以我这个工具主要是作为练手，或者是没买这类平台的人。

终极构想

图形化界面操作：

1.选取目录，之后递归得到所有word文档；

2.对每一个word文档，抓取所有的批注，包括文档路径、批注页码、行号、批注内容、原文、批注者、批注时间、批注解决状态，其中批注解决状态是需要的核心信息；

3.设置选项，可以只抓取未解决的批注；

4.抓取成功后将信息整理到需要的excel文档中，以供评审。

抓取批注信息

python抓取批注

最开始我想的是用python来抓取docx里的批注信息，也仿写了代码：

def docx_comments_get(file):document = ZipFile(file)xml = document.read("word/comments.xml")wordObj = BeautifulSoup(xml.decode("utf-8"), features="xml")texts = wordObj.findAll("w:t")for text in texts:print(text.text)
passdef main():docx_comments_get("D:\MyWork\python\测试文档.docx")

但是发现这样做只能抓取批注内容，对于其他的信息很难获取，即使打开了docx里comments.xml源文件，里面的内容也很有限：

其他的信息就散落在他的xml文件里，我的确是不太会处理。所以通过python去提取批注的完整信息这条路基本就走不通了。

VBA抓取批注

于是我就转换了一个方向，通过VBA来获取内部的批注信息，微软自己的工具对word的支持应该做的不能差吧。继续这个方向发现确实，VBA可以把一个word内部的批注信息提供的非常完善。通过word的开发工具进入visual basic的编程界面，开始编写宏文件。

下面是我最终的宏代码：

Public Sub exportWordComments_Click()FileName = Application.ActiveDocument '文件名.docxvarResult = VBA.Split(FileName, ".")FileNameStr = varResult(0) '去除后缀的文件名Path = Application.ActiveDocument.PathFilePath = Path & "\" & FileName '当前文件的完整路径LogPath = Path & "\" & FileNameStr & "_comments.txt" '批注信息的输出目录'Debug.Print (FilePath)If FileName = "False" ThenExit SubEnd IfRows = ActiveDocument.Comments.Count '总的批注数量'Debug.Print (Rows)Open LogPath For Output As #1 '输出txt文件Print #1, "==================================================="For i = 1 To RowsPageNumber = ActiveDocument.Comments(i).Scope.Information(wdActiveEndPageNumber) '批注在第几页CharacterLineNumber = ActiveDocument.Comments(i).Scope.Information(wdFirstCharacterLineNumber) '批注在这页的第几行Scope = ActiveDocument.Comments(i).Scope '批注原文ScopeComment = ActiveDocument.Comments(i).Range '批注内容ScopeDate = ActiveDocument.Comments(i).Date  '批注时间ScopeAuthor = ActiveDocument.Comments(i).Contact '批注作者ScopeDone = ActiveDocument.Comments(i).Done '批注是否被解决'Debug.Print ("原文：" & ActiveDocument.Comments(i).Scope) '原文'Debug.Print (ActiveDocument.Comments(i).Done)'Debug.Print (ActiveDocument.Comments(i).Contact)'Debug.Print (ActiveDocument.Comments(i).Creator)'Debug.Print (ActiveDocument.Comments(i).Date)'Debug.Print (ActiveDocument.Comments(i).Index)'Debug.Print (ActiveDocument.Comments(i).Parent)'Debug.Print (ActiveDocument.Comments(i).Reference)'Debug.Print ("批注内容：" & ActiveDocument.Comments(i).Range) '批注内容'Debug.Print (ActiveDocument.Comments(i).IsInk)'是否包含链接Print #1, "文件：" & FilePathPrint #1, "页：" & PageNumberPrint #1, "行：" & CharacterLineNumberPrint #1, "原文：" & ScopePrint #1, "批注：" & ScopeCommentPrint #1, "日期：" & ScopeDatePrint #1, "批注者：" & ScopeAuthorPrint #1, "是否解决：" & ScopeDonePrint #1, "==================================================="NextPrint #1, ""Close #1End Sub

执行宏命令后，会在word的目录下出现一个 文件名_comments.txt 文件，打开文件可以看到如下信息：

后记

最关键的第一步打通之后，接下来就是通过python递归所有带处理文件，对每一个文件调用宏生成txt，整理所有txt为excel表，对整个程序做图形界面以便使用。

请待后续~