使用Python将PDF表格自动提取并写入Word文档表格

目录

• 引言
• 1. 加载 PDF 文件并准备 Word 文档
• 2. 提取 PDF 表格并创建 Word 表格
• 关键步骤解析
• （1）逐页读取 PDF 表格
• （2）动态创建 Word 表格
• （3）处理单元格内容
• （4）自动表格宽度适配
• 3. 保存 Word 文档
• 提取写入结果
• 关键类与方法说明表
• 总结

在实际办公与数据处理场景中，PDF 文件里的表格往往无法直接复制到 Word 中，尤其是当表格结构复杂、跨页或包含不规则布局时，手动复制不仅耗时，还容易出现错位、换行混乱或格式被破坏的问题。许多用户也尝试使用在线工具或桌面转换软件，但对批量文档、结构化提取、精准写入 Word 表格的需求来说，自动化方式仍然是最高效、最可靠的解决方案。

本文将介绍如何使用 Python 从 PDF 文件中提取表格数据，并将其以标准、结构化的表格形式写入 Word 文档。整个过程可以实现自动化，无需人工干预，适用于财务报表归档、合同中表格提取、数据治理流程、第三方 PDF 报表转换等多个业务场景。

本文使用的方法需要用到 Free Spire.PDF for Python 与 Free Spire.Doc for Python，可通过pip安装：

pip install spire.pdf.free, spire.doc.free

在处理 PDF 之前，我们需要先加载源文件并初始化 Word 文档的结构。

from spire.pdf import PdfDocument, PdfTableExtractor
from spire.doc import Document, FileFormat, DefaultTableStyle, AutoFitBehaviorType, BreakType

input_pdf = "sample.pdf"
output_docx = "output/pdf_table_to_docx.docx"

# 载入 PDF 文档
pdf = PdfDocument()
pdf.LoadFromFile(input_pdf)

# 创建 Word 文档
doc = Document()
section = doc.AddSection()

说明：

• PdfDocument() 用于加载 PDF 文件，为后续表格提取提供基础。
• Document() 创建 Word 文档对象，所有表格将插入到默认的 Section 内。
• 我们提前设置输出路径，确保程序可以直接生成可编辑的 .docx 文件。

此阶段相当于是搭建转换流程的“基础框架”。

接下来进入整篇文章的核心——如何从 PDF 中提取表格数据并写入 Word。

# 提取 PDF 表格数据并写入 Word 文档
table_extractor = PdfTableExtractor(pdf)
for i in range(pdf.Pages.Count):
    tables = table_extractor.ExtractTable(i)
    if tables is not None and len(tables) > 0:
        for i in range(len(tables)):
            table = tables[i]
            # 创建 Word 表格
            word_table = section.AddTable()
            word_table.ApplyStyle(DefaultTableStyle.ColorfulGridAccent4)
            word_table.ResetCells(table.GetRowCount(), table.GetColumnCount())
            for j in range(table.GetRowCount()):
                for k in range(table.GetColumnCount()):
                    cell_text = table.GetText(j, k).replace("n", " ")
                    tr = word_table.Rows[j].Cells[k].AddParagraph().AppendText(cell_text)
                    tr.CharacterFormat.FontName = "微软雅黑"
                    tr.CharacterFormat.FontSize = 11
            word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow)
            section.AddParagraph().AppendBreak(BreakType.LineBreak)

ExtractTable(i) 会返回指定页面上解析出的所有表格。
PDF 本身没有真正意义上的“表格结构”，因此工具会根据线条、文本排列、单元格间距识别表格。

这一步决定了能否正确提取表格，是整个流程最重要的环节之一。

word_table = section.AddTable()
word_table.ResetCells(row_count, column_count)

利用提取出的行列数，在 Word 中创建结构一致的表格。

• ResetCells 会在 Word 中按行列生成一个空表格框架。
• 表格采用 ColorfulGridAccent4 样式，使结果更易读。

cell_text = table.GetText(j, k).replace("n", " ")

PDF 单元格中经常包含换行符，因此写入 Word 前需要清理文本，避免格式错乱。

同样为提升最终文档的可读性，我们对文本进行了基础格式设置：

tr.CharacterFormat.FontName = "微软雅黑"
tr.CharacterFormat.FontSize = 11

使生成的 Word 文档具有更标准、更整洁的视觉效果。

word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow)

这一步能让表格自动适配 Word 页面宽度，在不同屏幕、Word 布局里都有良好的可视性。

最后，执行保存操作即可生成完整的 Word 文件。

doc.SaveToFile(output_docx, FileFormat.Docx)

Word 文档会按前述的结构与样式生成，可直接打开查看，也适用于进一步编辑、排版或作为报告的一部分。

为了便于查阅，下面整理本文中主要使用到的类、属性与方法。

类 / 方法	说明
PdfDocument	表示 PDF 文档对象，负责加载源文件
PdfTableExtractor	从 PDF 页面中解析表格的核心类
ExtractTable(page_index)	返回指定页面的表格集合
Document	Word 文档对象
AddSection()	添加文档节，用于插入表格、段落等内容
section.AddTable()	在 Word 中创建新表格
ResetCells(row, col)	根据行列数初始化 Word 表格结构
AppendText()	向表格单元格写入文本
DefaultTableStyle	Word 表格样式枚举
AutoFitToWindow	表格宽度自动适配页面

通过本文示例，你已经了解如何使用 Python 自动化实现 PDF 表格 → Word 表格 的完整流程。从 PDF 识别表格、解析行列结构，到在 Word 中创建并填充内容，整个过程高度自动化，特别适用于批量处理与业务系统集成场景。

相比手动复制格式凌乱、在线工具功能受限、桌面工具难以批量处理，代码方式具有更高的灵活性与可控性。你可以在此基础上扩展更多能力，例如批量转换、内容清洗、模板合并、文本识别（OCR）等，为企业类文档处理提供稳定高效的解决方案。

如果你正在处理大量 PDF 表格或需要长期的文档自动化流程，这种基于 Python 的方案将为你的工作带来显著提升。

以上就是使用Python将PDF表格自动提取并写入Word文档表格的详细内容，更多关于Python PDF表格提取并写入Word的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python PDF识别之文本内容与表格提取方法总结
• 使用Python实现自动填写PDF表格
• Python实现精准提取 PDF中的文本,表格与图片
• Python实现pdf电子发票信息提取到excel表格
• Python使用Camelot从PDF中精准获取表格数据