在日常辦公和自動(dòng)化處理場(chǎng)景中，Word 文檔（DOC/DOCX）依然是最常見的數(shù)據(jù)載體之一。許多業(yè)務(wù)數(shù)據(jù)、統(tǒng)計(jì)報(bào)表、合同條款或配置信息，往往以表格的形式存在于 Word 文檔中。當(dāng)我們需要對(duì)這些表格數(shù)據(jù)進(jìn)行進(jìn)一步處理（如導(dǎo)入數(shù)據(jù)庫、轉(zhuǎn)換為 Excel、生成報(bào)表或進(jìn)行數(shù)據(jù)分析）時(shí)，手動(dòng)復(fù)制粘貼顯然效率低下，也容易出錯(cuò)。

借助 Python 以及專業(yè)的文檔處理庫，我們可以實(shí)現(xiàn) 自動(dòng)化提取 Word 表格內(nèi)容 ，并將其保存為結(jié)構(gòu)化文本文件或其他格式。本文將詳細(xì)介紹如何使用 Spire.Doc for Python ，從 Word 文檔中逐個(gè)提取表格，并將表格內(nèi)容導(dǎo)出為文本文件。

為什么選擇 Spire.Doc for Python

在眾多 Python 文檔處理方案中，Spire.Doc for Python 是一款面向開發(fā)者的專業(yè) Word 文檔處理庫，具備以下顯著優(yōu)勢(shì)：

• 無需依賴 Microsoft Word ：純 Python 實(shí)現(xiàn)，適合服務(wù)器和自動(dòng)化環(huán)境
• 支持完整 Word 結(jié)構(gòu) ：段落、表格、頁眉頁腳、樣式等均可訪問
• API 設(shè)計(jì)清晰 ：面向?qū)ο?，邏輯與 Word 文檔結(jié)構(gòu)高度一致
• 穩(wěn)定可靠 ：適合批量處理與企業(yè)級(jí)應(yīng)用場(chǎng)景

在提取表格這種涉及文檔層級(jí)遍歷的任務(wù)中，Spire.Doc 提供了非常直觀的對(duì)象模型，使代碼既清晰又易于維護(hù)。

實(shí)現(xiàn)思路概述

從 Word 中提取表格，本質(zhì)上是對(duì) Word 文檔結(jié)構(gòu)的逐層遍歷。整體流程如下：

• 加載 Word 文檔
• 遍歷文檔中的所有 Section（節(jié)）
• 在每個(gè) Section 中獲取所有表格（Table）
• 遍歷表格中的行（Row）和單元格（Cell）
• 讀取單元格內(nèi)的段落文本
• 按行列結(jié)構(gòu)拼接表格數(shù)據(jù)
• 將每個(gè)表格保存為獨(dú)立的文本文件

這種方式不僅能夠完整保留表格結(jié)構(gòu)，也便于后續(xù)擴(kuò)展為 CSV、Excel 或數(shù)據(jù)庫導(dǎo)入邏輯。

準(zhǔn)備工作

在開始之前，請(qǐng)確保你的環(huán)境已準(zhǔn)備就緒：

• • Python 3.x
• • 已安裝 spire.doc（Spire.Doc for Python）

安裝方式示例：

pip install spire-doc

安裝完成后，即可在 Python 項(xiàng)目中直接引用相關(guān)模塊。

示例代碼：從 Word 提取表格并保存為文本文件

下面是完整的示例代碼，用于從 Word 文檔中提取所有表格，并將每個(gè)表格保存為一個(gè) .txt 文件。

from spire.doc import *
from spire.doc.common import *

# 創(chuàng)建 Document 實(shí)例
doc = Document()

# 加載 Word 文檔
doc.LoadFromFile("Input.docx") 

# 遍歷文檔中的所有節(jié)（Section）
for s in range(doc.Sections.Count):
    # 獲取當(dāng)前節(jié)
    section = doc.Sections.get_Item(s)
    # 獲取當(dāng)前節(jié)中的所有表格
    tables = section.Tables
    # 遍歷當(dāng)前節(jié)中的表格
    for i in range(0, tables.Count):
        # 獲取表格對(duì)象
        table = tables.get_Item(i)
        # 用于存儲(chǔ)當(dāng)前表格數(shù)據(jù)的字符串
        tableData = ''
        # 遍歷表格中的所有行
        for j in range(0, table.Rows.Count):
            # 遍歷當(dāng)前行中的所有單元格
            for k in range(0, table.Rows.get_Item(j).Cells.Count):
                # 獲取單元格對(duì)象
                cell = table.Rows.get_Item(j).Cells.get_Item(k)
                # 用于存儲(chǔ)單元格中的文本內(nèi)容
                cellText = ''
                # 遍歷單元格中的所有段落
                for para in range(cell.Paragraphs.Count):
                    paragraphText = cell.Paragraphs.get_Item(para).Text
                    cellText += (paragraphText + ' ')
                # 將單元格文本追加到表格數(shù)據(jù)字符串中
                tableData += cellText
                # 如果不是最后一個(gè)單元格，則添加制表符作為列分隔符
                if k < table.Rows.get_Item(j).Cells.Count - 1:
                    tableData += '\t'
            # 當(dāng)前行結(jié)束后，添加換行符
            tableData += '\n'
    
        # 將表格數(shù)據(jù)保存為文本文件
        with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
            f.write(tableData)

# 關(guān)閉文檔，釋放資源
doc.Close()

代碼詳解

下面我們對(duì)核心代碼邏輯進(jìn)行逐步解析，幫助你更好地理解其工作原理。

1. 加載 Word 文檔

doc = Document()
doc.LoadFromFile("Input.docx")

這里創(chuàng)建了一個(gè) Document 實(shí)例，并加載指定路徑下的 Word 文件。Document 是 Spire.Doc 中表示整個(gè) Word 文檔的核心對(duì)象。

2. 遍歷文檔中的 Section

for s in range(doc.Sections.Count):
    section = doc.Sections.get_Item(s)

在 Word 中，文檔可能由多個(gè) Section 組成（例如分頁、不同頁眉頁腳設(shè)置）。為了不遺漏任何表格，我們需要遍歷所有 Section。

3. 獲取并遍歷表格

tables = section.Tables
for i in range(0, tables.Count):
    table = tables.get_Item(i)

每個(gè) Section 都可能包含多個(gè)表格。通過 section.Tables 可以直接獲取該節(jié)中的所有表格對(duì)象。

4. 遍歷行和單元格

for j in range(0, table.Rows.Count):
    for k in range(0, table.Rows.get_Item(j).Cells.Count):
        cell = table.Rows.get_Item(j).Cells.get_Item(k)

表格由行和單元格組成。這里采用雙層循環(huán)，確保按“行 → 列”的順序讀取數(shù)據(jù)，從而保持原有表格結(jié)構(gòu)。

5. 讀取單元格中的段落文本

for para in range(cell.Paragraphs.Count):
    paragraphText = cell.Paragraphs.get_Item(para).Text
    cellText += (paragraphText + ' ')

一個(gè)單元格中可能包含多個(gè)段落（例如手動(dòng)換行）。因此，需要遍歷 cell.Paragraphs，并將所有段落文本拼接起來，確保內(nèi)容完整。

6. 拼接表格數(shù)據(jù)

tableData += cellText
tableData += '\t'
tableData += '\n'

• • 使用 制表符（\t） 分隔列
• • 使用 換行符（\n） 分隔行

這種格式非常適合后續(xù)轉(zhuǎn)換為 Excel、CSV，或直接導(dǎo)入數(shù)據(jù)庫。

7. 保存為文本文件

with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
    f.write(tableData)

每個(gè)表格都會(huì)被單獨(dú)保存為一個(gè)文本文件，文件名中包含 Section 和 Table 的索引，便于區(qū)分來源。

應(yīng)用場(chǎng)景拓展

基于本文示例代碼，你可以輕松擴(kuò)展到更多實(shí)際應(yīng)用場(chǎng)景，例如：

• 將提取的表格數(shù)據(jù)轉(zhuǎn)換為 CSV 或 Excel
• 自動(dòng)解析 Word 報(bào)表并導(dǎo)入 數(shù)據(jù)庫系統(tǒng)
• 批量處理合同或業(yè)務(wù)文檔中的表格信息
• 與數(shù)據(jù)分析或 BI 工具進(jìn)行對(duì)接

Spire.Doc for Python 提供的豐富 API，使這些擴(kuò)展變得非常自然。

總結(jié)

本文介紹了如何使用 Spire.Doc for Python 從 Word 文檔中自動(dòng)提取表格內(nèi)容，并將其保存為文本文件。通過對(duì) Word 文檔結(jié)構(gòu)（Section、Table、Row、Cell、Paragraph）的逐層遍歷，我們能夠完整、準(zhǔn)確地獲取表格數(shù)據(jù)，并為后續(xù)的數(shù)據(jù)處理和自動(dòng)化流程打下堅(jiān)實(shí)基礎(chǔ)。

如果你正在尋找一種 穩(wěn)定、高效、無需依賴 Office 環(huán)境 的 Word 表格提取方案，那么 Spire.Doc for Python 無疑是一個(gè)值得考慮的選擇。

以上就是Python高效提取與自動(dòng)化處理Word表格的完整指南的詳細(xì)內(nèi)容，更多關(guān)于Python Word處理的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論