Python 从Word文档中提取表格的方法

Shaw0xyz

1. 简介

在处理Word文档时，经常会遇到需要从中提取表格数据的情况。Python提供了多种方法来实现这一需求，其中最常用的库是`python-docx`。本文将详细介绍如何使用`python-docx`库从Word文档中提取表格数据，并进行一些基本的处理和操作。

1.1 python-docx简介

`python-docx`是一个用于创建和更新Microsoft Word（.docx）文件的Python库。它可以轻松地读写Word文档中的文本、表格、图片等内容。通过使用`python-docx`，我们可以高效地从Word文档中提取表格数据，并进行相应的处理。

2. 安装python-docx

在开始使用`python-docx`之前，需要先安装该库。可以通过pip命令进行安装：

1. pip install python-docx

复制代码

3. 从Word文档中提取表格

使用`python-docx`库可以非常方便地从Word文档中提取表格数据。以下是具体步骤和示例代码。

3.1 导入库和加载文档

首先，需要导入`python-docx`库并加载需要处理的Word文档。

1. from docx import Document
   
2. 
   
3. document = Document('example.docx')

复制代码

3.2 获取文档中的所有表格

加载文档后，可以通过`tables`属性获取文档中的所有表格。

1. tables = document.tables

复制代码

3.3 提取表格数据

可以遍历获取的表格，并逐行、逐列提取数据。

1. for table in tables:
   
2.     for row in table.rows:
   
3.         for cell in row.cells:
   
4.             print(cell.text)

复制代码

4. 示例：从Word文档中提取并处理表格数据

为了更好地理解如何从Word文档中提取并处理表格数据，以下是一个完整的示例。

4.1 示例文档

假设我们有一个名为`example.docx`的Word文档，其中包含一个表格，表格内容如下：

1. | 姓名 | 年龄 | 职业 |
   
2. | ---- | ---- | ---- |
   
3. | 张三 | 28   | 工程师 |
   
4. | 李四 | 34   | 设计师 |

复制代码

4.2 提取表格数据的代码

1. from docx import Document
   
2. 
   
3. def extract_table_data(doc_path):
   
4.     document = Document(doc_path)
   
5.     tables = document.tables
   
6.     data = []
   
7. 
   
8.     for table in tables:
   
9.         table_data = []
   
10.         for row in table.rows:
    
11.             row_data = [cell.text for cell in row.cells]
    
12.             table_data.append(row_data)
    
13.         data.append(table_data)
    
14. 
    
15.     return data
    
16. 
    
17. doc_path = 'example.docx'
    
18. table_data = extract_table_data(doc_path)
    
19. 
    
20. for table in table_data:
    
21.     for row in table:
    
22.         print('\t'.join(row))

复制代码

5. 处理提取的数据

提取表格数据后，可以对数据进行各种处理和操作。例如，可以将数据存储到数据库中，或导出为CSV文件。

5.1 导出为CSV文件

1. import csv
   
2. 
   
3. def export_to_csv(table_data, csv_path):
   
4.     with open(csv_path, mode='w', newline='', encoding='utf-8') as file:
   
5.         writer = csv.writer(file)
   
6.         for table in table_data:
   
7.             for row in table:
   
8.                 writer.writerow(row)
   
9. 
   
10. csv_path = 'table_data.csv'
    
11. export_to_csv(table_data, csv_path)

复制代码

6. 总结

通过本文的介绍，您应该已经掌握了如何使用`python-docx`库从Word文档中提取表格数据的基本方法。`python-docx`库功能强大且易于使用，适用于各种Word文档处理需求。希望本文对您有所帮助，如果有任何疑问或建议，欢迎交流讨论。






/ 荔枝学姐de课后专栏 /

Hi！这里是荔枝学姐~

欢迎来到我的课后专栏

自然语言学渣 NLP摆烂姐

热衷于技术写作 IT边角料

AIGC & Coding & linux ...

~互撩~ TG: @Shaw_0xyz