Python高效提取与自动化处理Word表格的完整指南

目录

• 为什么选择 Spire.Doc for Python
• 实现思路概述
• 准备工作
• 示例代码：从 Word 提取表格并保存为文本文件
• 代码详解
• 1. 加载 Word 文档
• 2. 遍历文档中的 Section
• 3. 获取并遍历表格
• 4. 遍历行和单元格
• 5. 读取单元格中的段落文本
• 6. 拼接表格数据
• 7. 保存为文本文件
• 应用场景拓展
• 总结

在日常办公和自动化处理场景中，Word 文档（DOC/DOCX）依然是最常见的数据载体之一。许多业务数据、统计报表、合同条款或配置信息，往往以表格的形式存在于 Word 文档中。当我们需要对这些表格数据进行进一步处理（如导入数据库、转换为 Excel、生成报表或进行数据分析）时，手动复制粘贴显然效率低下，也容易出错。

借助 Python 以及专业的文档处理库，我们可以实现 自动化提取 Word 表格内容 ，并将其保存为结构化文本文件或其他格式。本文将详细介绍如何使用 Spire.Doc for Python ，从 Word 文档中逐个提取表格，并将表格内容导出为文本文件。

在众多 Python 文档处理方案中，Spire.Doc for Python 是一款面向开发者的专业 Word 文档处理库，具备以下显著优势：

• 无需依赖 Microsoft Word ：纯 Python 实现，适合服务器和自动化环境
• 支持完整 Word 结构 ：段落、表格、页眉页脚、样式等均可访问
• API 设计清晰 ：面向对象，逻辑与 Word 文档结构高度一致
• 稳定可靠 ：适合批量处理与企业级应用场景

在提取表格这种涉及文档层级遍历的任务中，Spire.Doc 提供了非常直观的对象模型，使代码既清晰又易于维护。

从 Word 中提取表格，本质上是对 Word 文档结构的逐层遍历。整体流程如下：

• 加载 Word 文档
• 遍历文档中的所有 Section（节）
• 在每个 Section 中获取所有表格（Table）
• 遍历表格中的行（Row）和单元格（Cell）
• 读取单元格内的段落文本
• 按行列结构拼接表格数据
• 将每个表格保存为独立的文本文件

这种方式不仅能够完整保留表格结构，也便于后续扩展为 CSV、Excel 或数据库导入逻辑。

在开始之前，请确保你的环境已准备就绪：

• • Python 3.x
• • 已安装 spire.doc（Spire.Doc for Python）

安装方式示例：

pip install spire-doc

安装完成后，即可在 Python 项目中直接引用相关模块。

下面是完整的示例代码，用于从 Word 文档中提取所有表格，并将每个表格保存为一个 .txt 文件。

from spire.doc import *
from spire.doc.common import *

# 创建 Document 实例
doc = Document()

# 加载 Word 文档
doc.LoadFromFile("Input.docx") 

# 遍历文档中的所有节（Section）
for s in range(doc.Sections.Count):
    # 获取当前节
    section = doc.Sections.get_Item(s)
    # 获取当前节中的所有表格
    tables = section.Tables
    # 遍历当前节中的表格
    for i in range(0, tables.Count):
        # 获取表格对象
        table = tables.get_Item(i)
        # 用于存储当前表格数据的字符串
        tableData = ''
        # 遍历表格中的所有行
        for j in range(0, table.Rows.Count):
            # 遍历当前行中的所有单元格
            for k in range(0, table.Rows.get_Item(j).Cells.Count):
                # 获取单元格对象
                cell = table.Rows.get_Item(j).Cells.get_Item(k)
                # 用于存储单元格中的文本内容
                cellText = ''
                # 遍历单元格中的所有段落
                for para in range(cell.Paragraphs.Count):
                    paragraphText = cell.Paragraphs.get_Item(para).Text
                    cellText += (paragraphText + ' ')
                # 将单元格文本追加到表格数据字符串中
                tableData += cellText
                # 如果不是最后一个单元格，则添加制表符作为列分隔符
                if k < table.Rows.get_Item(j).Cells.Count - 1:
                    tableData += 't'
            # 当前行结束后，添加换行符
            tableData += 'n'
    
        # 将表格数据保存为文本文件
        with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
            f.write(tableData)

# 关闭文档，释放资源
doc.Close()

下面我们对核心代码逻辑进行逐步解析，帮助你更好地理解其工作原理。

doc = Document()
doc.LoadFromFile("Input.docx")

这里创建了一个 Document 实例，并加载指定路径下的 Word 文件。Document 是 Spire.Doc 中表示整个 Word 文档的核心对象。

for s in range(doc.Sections.Count):
    section = doc.Sections.get_Item(s)

在 Word 中，文档可能由多个 Section 组成（例如分页、不同页眉页脚设置）。为了不遗漏任何表格，我们需要遍历所有 Section。

tables = section.Tables
for i in range(0, tables.Count):
    table = tables.get_Item(i)

每个 Section 都可能包含多个表格。通过 section.Tables 可以直接获取该节中的所有表格对象。

for j in range(0, table.Rows.Count):
    for k in range(0, table.Rows.get_Item(j).Cells.Count):
        cell = table.Rows.get_Item(j).Cells.get_Item(k)

表格由行和单元格组成。这里采用双层循环，确保按“行 → 列”的顺序读取数据，从而保持原有表格结构。

for para in range(cell.Paragraphs.Count):
    paragraphText = cell.Paragraphs.get_Item(para).Text
    cellText += (paragraphText + ' ')

一个单元格中可能包含多个段落（例如手动换行）。因此，需要遍历 cell.Paragraphs，并将所有段落文本拼接起来，确保内容完整。

tableData += cellText
tableData += 't'
tableData += 'n'

• • 使用 制表符（t） 分隔列
• • 使用 换行符（n） 分隔行

这种格式非常适合后续转换为 Excel、CSV，或直接导入数据库。

with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
    f.write(tableData)

每个表格都会被单独保存为一个文本文件，文件名中包含 Section 和 Table 的索引，便于区分来源。

基于本文示例代码，你可以轻松扩展到更多实际应用场景，例如：

• 将提取的表格数据转换为 CSV 或 Excel
• 自动解析 Word 报表并导入 数据库系统
• 批量处理合同或业务文档中的表格信息
• 与数据分析或 BI 工具进行对接

Spire.Doc for Python 提供的丰富 API，使这些扩展变得非常自然。

本文介绍了如何使用 Spire.Doc for Python 从 Word 文档中自动提取表格内容，并将其保存为文本文件。通过对 Word 文档结构（Section、Table、Row、Cell、Paragraph）的逐层遍历，我们能够完整、准确地获取表格数据，并为后续的数据处理和自动化流程打下坚实基础。

如果你正在寻找一种 稳定、高效、无需依赖 Office 环境 的 Word 表格提取方案，那么 Spire.Doc for Python 无疑是一个值得考虑的选择。

以上就是Python高效提取与自动化处理Word表格的完整指南的详细内容，更多关于Python Word处理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实现Word图片提取与批量处理的最佳实践
• Python自动化提取多个Word文档的文本
• 使用实现Python从Word文档中批量提取表格数据
• 使用Python开发提取word所有表格信息的程序
• Python自动化处理Word文档表格格式的方法技巧
• Python自动化处理Excel、Word、PDF文档的操作大全
• Python实现Word文档自动化处理操作