使用Python从docx解析表

Question

在从现有docx读取和写入新docx时保留表格式

这是我要为demo.docx内的下表尝试的代码

but I am not getting the output in same format Need help to fix this so that I can copy this table in the same format to my new docx
ITEM
NEEDED
Books
1
Pens
3
Pencils
2
Highlighter
2 colors
Scissors
1 pair

我正在使用的代码如下。

  import docx
  doc = docx.Document('demo.docx')
  doc = docx.Document('demo.docx')
  for table in doc.tables:
    for row in table.rows:
       for cell in row.cells:
          for para in cell.paragraphs:
             print para.text

我正在经历Parsing of table from .docx file，但同样，我需要在新docx中创建表，不确定如何执行此操作。

Answer 1

我认为我有一个笨拙的方法，即先将原始docx表转换为pandas DataFrame，然后再将数据帧添加回新文档中。

从我收集到的信息来看，文档文件（* .docx，*。doc，*。txt）以字符串形式读取，因此我们必须将数据视为字符串。这意味着您将需要知道表的列数和行数。

假设原始文档文件名为“ Stationery.docx”，则可以解决问题。

import docx
import pandas as pd
import numpy as np

doc = docx.Document("Stationery.docx")

df = pd.DataFrame()

tables = doc.tables[0]

##Getting the original data from the document to a list
ls =[]
for row in tables.rows:
    for cell in row.cells:
        for paragraph in cell.paragraphs:
            ls.append(paragraph.text)



def Doctable(ls, row, column):
    df = pd.DataFrame(np.array(ls).reshape(row,column))  #reshape to the table shape
    new = docx.Document()
    word_table =new.add_table(rows = row, cols = column)
    for x in range(0,row,1):
        for y in range(0,column,1):
            cell = word_table.cell(x,y)
            cell.text = df.iloc[x,y]


    return new, df