将表格从 Word 提取到 Excel - 如何保持表格分开？

Posted 2023-03-11

【中文标题】将表格从 Word 提取到 Excel - 如何保持表格分开？

【英文标题】：Extracting tables from Word into Excel- how to keep the tables separate?

【发布时间】：2021-08-22 15:16:49

【问题描述】：

尝试将 .docx 中的表格（在列数和行数方面大小不同）导出到 Excel 中

我可以获取将表格转换为 Excel 的文档，但它将两个表格连接在一起。 有没有办法让表格在同一张纸上或不同的工作表上分开（都可以）？

代码如下：

pip install python-docx
import pandas as pd

from docx import Document
path = (r"PATH\Practice_Tables.docx")

df = pd.DataFrame()

doc = Document(path)
for table in doc.tables:
    for row in table.rows:
        row_text = [c.text for c in row.cells]
        df = df.append([row_text], ignore_index=True)
        
print(df)

                  0                     1               2
0    Table header 1        Table header 2  Table header 3
1              r1c1                  r1c2            r1c3
2              r2c1                  r2c2            r2c3
3  Practice Table 2  Practice table col 2             NaN
4             Row 2                Row 2a             NaN

writer = pd.ExcelWriter('PracticeTables3.xlsx', engine='xlsxwriter')

df.to_excel(writer, sheet_name='Sheet1')

writer.save()

更新

单张错误：

NameError                                 Traceback (most recent call last)
<ipython-input-7-d2e9fa27f104> in <module>
      9     print(df)
     10 
---> 11     df.to_excel(writer, sheet_name='Sheet1', startrow=startrow)
     12     startrow += len(df)+2
     13 

NameError: name 'startrow' is not defined

【参考方案1】：

您当前的代码是将所有表添加到一个数据框中。

您需要为每个表创建一个单独的数据框，将其写​​入 Excel 文件并继续。

单独的工作表

这会将每个表格写入 Excel 文件中的单独工作表。

import pandas as pd
from docx import Document

path = 'Practice_Tables.docx'

sheet_no=0

writer = pd.ExcelWriter('PracticeTables3.xlsx', engine='xlsxwriter')
doc = Document(path)
for table in doc.tables:
    df = pd.DataFrame()
    for row in table.rows:
        row_text = [c.text for c in row.cells]
        df = df.append([row_text], ignore_index=True)
    
    print(df)
    sheet_no += 1 
    df.to_excel(writer, sheet_name=f'Sheetsheet_no')

writer.save()

单张

此代码会将表格写入同一张表，其间有行。

import pandas as pd
from docx import Document

path = 'Practice_Tables.docx'

startrow=0

writer = pd.ExcelWriter('PracticeTables3.xlsx', engine='xlsxwriter')
doc = Document(path)
for table in doc.tables:
    df = pd.DataFrame()
    for row in table.rows:
        row_text = [c.text for c in row.cells]
        df = df.append([row_text], ignore_index=True)
    
    print(df)
   
    df.to_excel(writer, sheet_name='Sheet1', startrow=startrow)
    startrow += len(df)+2
    
writer.save()

【讨论】：

谢谢-这适用于示例数据，但是当我实际使用包含 28 个表格的“真实”文档时，前两个表格正确导出，第三个有一半行，另外 25 个工作表不包含任何数据——只有索引行。有什么建议吗？

多张纸方法-更新了原始文件以显示从单张纸中提取的错误

你有什么改变吗？

不，只是相应的文件名/路径名