使用Python-docx从Word文档中提取表格

Question

我知道这是一个重复的问题，但其他答案对我没有用。 我有一个包含一个表格的Word文件。我希望将该表作为我的Python程序输出。我正在使用Python 3.6，并已安装python-docx。以下是我的数据提取代码：

from docx.api import Document

document = Document('test_word.docx')
table = document.tables[0]

data = []

keys = None
for i, row in enumerate(table.rows):
    text = (cell.text for cell in row.cells)

    if i == 0:
        keys = tuple(text)
        continue
    row_data = dict(zip(keys, text))
    data.append(row_data)
    print (data)

我希望得到与Word Docx文件完全相同的结果。提前感谢。

- Aroon

---

问题出在哪里？错误在哪里？ - Anton vBR

我尝试了你的代码，它在我的电脑上运行正常。 - Anton vBR

这个问题对于将搜索引擎查询[从docx中提取表格]与伟大的python-docx包的存在联系起来非常有用。 - temoto

Answer 1

你的代码对我来说很好用。将它插入到数据框里，怎么样？

import pandas as pd
from docx.api import Document

document = Document('test_word.docx')
table = document.tables[0]

data = []

keys = None
for i, row in enumerate(table.rows):
    text = (cell.text for cell in row.cells)

    if i == 0:
        keys = tuple(text)
        continue
    row_data = dict(zip(keys, text))
    data.append(row_data)
    print (data)

df = pd.DataFrame(data)

如何在表格中显示特定的行和列？ 我们可以使用 iloc 根据索引提取行和列。

# iloc[row,columns] 
df.iloc[0,:].tolist() # [5,6,7,8]  - row index 0
df.iloc[:,0].tolist() # [5,9,13,17]  - column index 0
df.iloc[0,0] # 5  - cell(0,0)
df.iloc[1:,2].tolist() # [11,15,19]  - column index 2, but skip first row

等等...

然而，如果你的列有名称（在本例中为数字），你可以这样做：

#df["name"].tolist() 
df[1].tolist() # [5,6,7,8] - column with name 1 

---

print(df)

打印结果就是我的示例文档中表格的样子。

    1   2   3   4
0   5   6   7   8
1   9   10  11  12
2   13  14  15  16
3   17  18  19  20

- Anton vBR

---

谢谢，太棒了。我还有一个问题，如何在表格中显示特定的行和列？ - Aroon

@ArunBaskar 我稍微调整了一下，希望这是你想要的 :) - Anton vBR

谢谢，Anton，这个怎么样？https://stackoverflow.com/questions/46659311/how-to-count-specific-column-name-among-different-tables-in-word-using-python - Aroon

@ArunBaskar，你可以尝试使用类似于这个的东西来回复你已删除的问题。顺便说一句，如果你决定恢复你的问题，请@我... - MaxU - stand with Ukraine

@MaxU 很好。这个答案实际上只是对问题的修改，我调整了代码。我喜欢你的方法。 - Anton vBR