Python高效提取与自动化处理Word表格的完整指南

pip install spire-doc

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

# 创建 Document 实例
doc = Document()

# 加载 Word 文档
doc.LoadFromFile("Input.docx") 

# 遍历文档中的所有节（Section）
for s in range(doc.Sections.Count):
    # 获取当前节
    section = doc.Sections.get_Item(s)
    # 获取当前节中的所有表格
    tables = section.Tables
    # 遍历当前节中的表格
    for i in range(0, tables.Count):
        # 获取表格对象
        table = tables.get_Item(i)
        # 用于存储当前表格数据的字符串
        tableData = ''
        # 遍历表格中的所有行
        for j in range(0, table.Rows.Count):
            # 遍历当前行中的所有单元格
            for k in range(0, table.Rows.get_Item(j).Cells.Count):
                # 获取单元格对象
                cell = table.Rows.get_Item(j).Cells.get_Item(k)
                # 用于存储单元格中的文本内容
                cellText = ''
                # 遍历单元格中的所有段落
                for para in range(cell.Paragraphs.Count):
                    paragraphText = cell.Paragraphs.get_Item(para).Text
                    cellText += (paragraphText + ' ')
                # 将单元格文本追加到表格数据字符串中
                tableData += cellText
                # 如果不是最后一个单元格，则添加制表符作为列分隔符
                if k < table.Rows.get_Item(j).Cells.Count - 1:
                    tableData += '\t'
            # 当前行结束后，添加换行符
            tableData += '\n'
    
        # 将表格数据保存为文本文件
        with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
            f.write(tableData)

# 关闭文档，释放资源
doc.Close()

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

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

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

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)

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

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

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