从 .docx 文件解析 table

Question

我想使用 Python 和 python-docx 将 .docx 文件中的 table 解析为一些有用的数据结构。

在我的例子中，.docx 文件只包含一个 table。我 uploaded it so you can have a look。这是屏幕截图：

Answer 1

您可以使用下面的代码片段将您的文档解析为一个列表，其中每一行都是一个字典，将 table header 值映射到列值。

from docx.api import Document

# Load the first table from your document. In your example file,
# there is only one table, so I just grab the first one.
document = Document('Books.docx')
table = document.tables[0]

# Data will be a list of rows represented as dictionaries
# containing each row's data.
data = []

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

    # Establish the mapping based on the first row
    # headers; these will become the keys of our dictionary
    if i == 0:
        keys = tuple(text)
        continue

    # Construct a dictionary for this row, mapping
    # keys to values for this row
    row_data = dict(zip(keys, text))
    data.append(row_data)

这会给你：

data = [
  {u'Pub.': u'Penguin Books',
   u'Auther': u'Edward de BONO',
   u'Sr. No.': u'1',
   u'Name of Book': u'Six Thinking Hats'
  },
  ...
]

如果您只想为每一行创建一个元组，您应该将 row_data 设置为 text 的元组值而不是创建字典，因此在循环中而不是构造dict，做：

# Construct a tuple for this row
row_data = tuple(text)
data.append(row_data)

现在，data 会持有这样的东西：

data = [
  (u'1',
   u'Six Thinking Hats',
   u'Edward de BONO',
   u'Penguin Books'
  ),
 ...
]

然后你可以跳过构造 keys，显然（但仍然跳过第一行！）。

从 .docx 文件解析 table

Parsing of table from .docx file

python

xml

parsing

docx

python-docx