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
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
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。
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)