【Python】从Word文档中提取表格的方法

在处理文档数据时，Word文档中的表格经常包含重要的信息。为了高效地提取这些表格数据，我们可以使用Python中的python-docx库。python-docx是一个功能强大的库，可以读写Microsoft Word 2007及以后的版本（.docx格式）的文档。本文将介绍如何使用该库从Word文档中提取表格数据，并给出相应的代码示例。

一、安装python-docx库

在开始之前，确保你已经安装了python-docx库。如果尚未安装，可以使用以下命令通过pip进行安装：

pip install python-docx

二、提取Word文档中的表格

在这个示例中，我们假设有一个Word文档，其中包含若干个表格，我们需要提取这些表格中的数据。以下是一个基本的示例代码，展示如何从Word文档中提取表格数据。

from docx import Document

def extract_tables_from_docx(docx_path):
    # 打开Word文档
    doc = Document(docx_path)

    # 初始化一个列表用于存放提取的表格数据
    tables_data = []

    # 遍历文档中的所有表格
    for table in doc.tables:
        # 初始化一个列表用于存放当前表格的数据
        table_data = []

        # 遍历表格中的所有行
        for row in table.rows:
            # 初始化一个列表用于存放当前行的数据
            row_data = []
            # 遍历行中的所有单元格
            for cell in row.cells:
                # 将单元格的文本添加到当前行的数据中
                row_data.append(cell.text)
            # 将当前行的数据添加到表格数据中
            table_data.append(row_data)

        # 将当前表格的数据添加到总的数据列表中
        tables_data.append(table_data)

    return tables_data

# 使用示例
if __name__ == "__main__":
    docx_file_path = 'example.docx'  # 你的Word文档路径
    extracted_tables = extract_tables_from_docx(docx_file_path)

    # 输出提取的表格数据
    for idx, table in enumerate(extracted_tables):
        print(f"表格 {idx + 1}:")
        for row in table:
            print("\t".join(row))
        print("\n")

三、代码解读

1. 导入库: 我们首先导入Document类，它是python-docx库中用于处理Word文档的主要类。

2. 打开文档: 使用Document(docx_path)来加载指定路径的Word文档。

3. 遍历表格: 我们通过doc.tables获取文档中的所有表格。然后针对每个表格，我们进一步遍历其行和单元格。

4. 提取数据: 在遍历过程中，将每个单元格的文本内容存储到一个列表中。这使得我们能以列表的形式组织每个表格的行数据。

5. 输出结果: 最后，我们返回包含所有表格数据的列表，并在主程序中打印出来。

四、总结

通过以上方法，我们可以轻松地从Word文档中提取表格数据。python-docx库提供了强大的功能，使得处理Word文档变得非常简单。我们可以在此基础上扩展功能，例如将提取的数据保存到CSV文件、数据库或进行进一步的数据分析。这为数据处理及分析带来了极大的便利。