Question

如何读取和处理DOCX文件中表格的每个单元格的内容？

我在Windows 7和PyWin32上使用Python 3.2来访问MS-Word文档。

我是初学者，所以我不知道到达桌子的正确方法。到目前为止，我刚刚做到了这一点：

import win32com.client as win32
word = win32.gencache.EnsureDispatch('Word.Application')
word.Visible = False 
doc = word.Documents.Open("MyDocument")

Answer 1

以下是我在Python 2.7中的作用：

import win32com.client as win32
word = win32.Dispatch("Word.Application")
word.Visible = 0
word.Documents.Open("MyDocument")
doc = word.ActiveDocument

要查看您的文档有多少个表：

doc.Tables.Count

然后，您可以通过索引选择所需的表。请注意，与python不同，COM索引从1开始：

table = doc.Tables(1)

选择一个单元格：

table.Cell(Row = 1, Column= 1)

获取其内容：

table.Cell(Row =1, Column =1).Range.Text

希望这会有所帮助。

修改

根据标题返回Column index的函数示例：

def Column_index(header_text): for i in range(1 , table.Columns.Count+1): if table.Cell(Row = 1,Column = i).Range.Text == header_text: return i

然后您可以通过这种方式访问您想要的单元格：

table.Cell(Row =1, Column = Column_index("The Column Header") ).Range.Text

Answer 2

在生命中姗姗来迟，但我想我还是会把它拿出来：现在（2015年），你可以使用漂亮的doc python库： https://python-docx.readthedocs.org/en/latest/。然后：

from docx import Document

wordDoc = Document('<path to docx file>')

for table in wordDoc.tables:
    for row in table.rows:
        for cell in row.cells:
            print cell.text

Answer 3

我在Reading Table Contents Using Python

的博客etienne上找到了一个简单的代码段

关于这一点的好处是你不需要安装任何非标准的python库。

docx文件的格式在Open Office XML描述。

import zipfile
import xml.etree.ElementTree

WORD_NAMESPACE = '{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'
PARA = WORD_NAMESPACE + 'p'
TEXT = WORD_NAMESPACE + 't'
TABLE = WORD_NAMESPACE + 'tbl'
ROW = WORD_NAMESPACE + 'tr'
CELL = WORD_NAMESPACE + 'tc'

with zipfile.ZipFile('<path to docx file>') as docx:
    tree = xml.etree.ElementTree.XML(docx.read('word/document.xml'))

for table in tree.iter(TABLE):
    for row in table.iter(ROW):
        for cell in row.iter(CELL):
            print ''.join(node.text for node in cell.iter(TEXT))

如何使用Python读取MS-Word文件中的表的内容？

3 个答案: