在数据分析工作中，经常需要从Word文档中提取表格数据进行处理。Python作为强大的数据处理工具，提供了多种方法来完成这项任务。本文将简明扼要地介绍如何用Python提取Word表格数据的关键技术。
常用库介绍
提取Word表格数据，主要有以下几个Python库可供选择：
python-docx：专门处理.docx文件的库，轻量级且使用简单
docx2python：能将整个Word文档转换为Python对象
mammoth：将Word文档转换为HTML，然后可以用BeautifulSoup提取表格
pandas：与上述库配合，将提取的数据转换为DataFrame
使用python-docx提取表格
python-docx是最常用的Word处理库，安装简单：
python
Copy
pip install python-docx
基本提取表格的代码：
pythonCopyfrom docx import Document
# 打开Word文档
doc = Document("sample.docx")
# 遍历所有表格
for i, table in enumerate(doc.tables):
print(f"表格 {i+1}:")
# 遍历表格行
for row in table.rows:
# 提取每个单元格的文本
row_data = [cell.text for cell in row.cells]
print(row_data)
使用pandas处理表格数据
提取后的数据可以用pandas进行进一步处理：
pythonCopyimport pandas as pd
from docx import Document
doc = Document("sample.docx")
table = doc.tables[0] # 获取第一个表格
# 提取表头
headers = [cell.text for cell in table.rows[0].cells]
# 提取数据行
data = []
for row in table.rows[1:]:
row_data = [cell.text for cell in row.cells]
data.append(row_data)
# 创建DataFrame
df = pd.DataFrame(data, columns=headers)
print(df)
处理合并单元格
Word表格中常见的合并单元格可以这样处理：
pythonCopydef get_cell_text(cell):
# 处理可能的合并单元格
if cell.text:
return cell.text
else:
# 对于合并的单元格，可能需要查找父单元格
for parent_cell in table._cells:
if cell in parent_cell._element.xpath('.//w:tc'):
return parent_cell.text
return ""
提取表格样式和格式
除了文本内容，有时还需要提取表格的样式信息：
pythonCopy# 获取单元格背景色
def get_cell_bg_color(cell):
try:
# 获取单元格的样式
shading = cell._element.get_or_add_tcPr().get_or_add_shd()
fill = shading.get(qn('w:fill'))
return fill if fill else "无背景色"
except:
return "无背景色"
使用docx2python提取复杂表格
对于结构复杂的表格，docx2python可能更合适：
pythonCopyfrom docx2python import docx2python
# 提取文档内容
doc_content = docx2python("complex.docx")
# 获取所有表格
tables = doc_content.tables
# 处理第一个表格
first_table = tables[0][0][0]
for row in first_table:
print(row)
实用技巧
预处理文本：提取后的文本可能包含多余的空格，可以用strip()去除
处理数值数据：表格中的数字可能是字符串格式，需要转换类型
处理空单元格：设置默认值避免报错
检查表格完整性：通过行列数检查表格是否完整
Python提取Word表格数据不难掌握，选择合适的库，理解表格结构，灵活处理各种情况是关键。无论是简单数据提取还是复杂表格分析，Python都能高效完成任务，为你的数据分析工作节省大量时间。
掌握这些技巧，从此不再为Word表格数据提取发愁，轻松将数据变为可分析的资源！
对Python，AI，自动化办公提效，副业发展等感兴趣的伙伴们，扫码添加逍遥，限免交流群
备注【成长交流】
