Python-docx: 将表格解析为Panda数据框

Question

我正在使用 python-docx 库来提取微软word文档。我能够通过使用同一库获得文档中的所有表格。然而，我想将表格解析成panda数据框，是否有任何内置功能可用于将表格解析为数据框，或者我必须手动完成？此外，有没有可能知道表格所在的标题名称？谢谢。

from docx import Document
from docx.shared import Inches
document = Document('test.docx')

tabs = document.tables

- Ali Asad

Answer 1

您可以使用以下代码从文档中提取表格到数据框中：

from docx import Document
import pandas as pd
document = Document('test.docx')

tables = []
for table in document.tables:
    df = [['' for i in range(len(table.columns))] for j in range(len(table.rows))]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            if cell.text:
                df[i][j] = cell.text
    tables.append(pd.DataFrame(df))
print(tables)

您可以从表变量中获取所有表格。

- abdulsaboor

---

这绝对是我见过的最好的答案，这段漂亮的代码做到了Camlot或Tabular都无法做到的事情。太棒了！ - Somesh Gupta

Answer 2

有一个类似的替代方案（但我没有测试使用多个表格）。
这给了我我所需要的数据框格式：

for table in firstdoc.tables:
    doctbls=[]
    tbllist=[]
    rowlist=[]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            rowlist.append(cell.text)
        tbllist.append(rowlist)
        rowlist=[]
    doctbls=doctbls+tbllist

finaltables=pd.DataFrame(doctbls)     
display(finaltables)

- AshleyOboe

---

@abdulsaboor，您能否帮忙解决这个问题：https://dev59.com/ONH7oIgBc1ULPQZFgFxj - sunny babau