利用python批量处理Word文件——表格

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了利用python批量处理Word文件——表格，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1934字，纯文字阅读大概需要3分钟。

内容图文

Word和Excel大概是我们最常碰到的两种文件了，我前面写过pandas的基本操作，利用它可以轻松完成Excel文件的批量处理，那么对于word文件的处理是否也有同样简单的方式，答案是肯定的，这涉及到python的另一个库docx，这篇文章的主要内容是：
如何批量处理word中的表格
我随便找了一个Word文件，它的部分内容如下：

这个文件中有多个这样表格，我们要将它们处理成一个简单表——属性一行，值 一行
下面正式开始，docx之外的内容我将不做详细说明，有问题请留言。

1.安装docx:

pip install python-docx

2.导入docx库

from docx import Document
import pandas as pd

3.读Word文件

doc=Document('2007年三江源生态监测森林数据集.docx')

ps：docx不支持dox格式的word文件。

4.读表格

tb=doc.tables

5.读行

rows=tb[0].rows

6.读列

cols=rows[0].cells

7.单元格

cell=cols[0]
text=cell.text

有了上面的基础知识，读取word中的表格应该没什么问题了，下面是是完整代码：

doc=Document('2007年三江源生态监测森林数据集.docx')
index,key,value=[],[],[]
table_index=0
for tb in doc.tables:
 table_index+=1
 row_index=0
 for row in tb.rows:
     row_index+=1
     for cell in row.cells:
         text=""
         for p in cell.paragraphs:##如果cell中有多段，即有回车符
             text+=p.text
         if row_index%2==0:
             value.append(text)#偶数行为值
             index.append(table_index)#这行也可以放在else中
         else:
             key.append(text)#奇数行为属性

现在word中所有表格的内容已经读出来了，不过是在两个列表中，将它们重新构造成一个表格。

8.重建表格

df=pd.DataFrame({'table_index':index,'key':key,'value':value})

但是这个表格并不是我们想要的结果，我们想要的是key为表头，value为值，table_index为索引，所以我们还需要进一步的操作。

8.pviot

#删除重复行，否则会报错：Index contains duplicate entries, cannot reshape  
df=df.drop_duplicates(['table_index','key'])
df.pivot(index='table_index',columns='key',values='value')
#下面两行用于去除列名和索引名，可有可无，加上只因为我有强迫症，为了美观，感兴趣的朋友可以对比加上这现行前后的差异
df1.columns=list(df1.columns)
df1.index=list(df1.index)

最终得到的表格是这样的：

关于word表格的处理就到这里了，后面我会继续写word中其它内容的处理，感兴趣的朋友可以多多关注。

内容总结

以上是互联网集市为您收集整理的利用python批量处理Word文件——表格全部内容，希望文章能够帮你解决利用python批量处理Word文件——表格所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端