利用python-docx批量处理Word文件——表格

Word和Excel大概是我们最常碰到的两种文件了，我前面写过pandas的基本操作，利用它可以轻松完成Excel文件的批量处理，那么对于word文件的处理是否也有同样简单的方式，答案是肯定的，这涉及到python的另一个库docx，这篇文章的主要内容是：
如何批量处理word中的表格
我随便找了一个Word文件，它的部分内容如下：

这个文件中有多个这样表格，我们要将它们处理成一个简单表——属性一行，值 一行
下面正式开始，docx之外的内容我将不做详细说明，有问题请留言。

---

1.安装docx:

pip install python-docx

2.导入docx库

from docx import Document
import pandas as pd

3.读Word文件

doc=Document('2007年三江源生态监测森林数据集.docx')

ps：docx不支持dox格式的word文件。

4.读表格

tb=doc.tables

5.读行

rows=tb[0].rows

6.读列

cols=rows[0].cells

7.单元格

cell=cols[0]
text=cell.text

有了上面的基础知识，读取word中的表格应该没什么问题了，下面是是完整代码：

doc=Document('2007年三江源生态监测森林数据集.docx')
index,key,value=[],[],[]
table_index=0
for tb in doc.tables:
 table_index+=1
 row_index=0
 for row in tb.rows:
     row_index+=1
     for cell in row.cells:
         text=""
         for p in cell.paragraphs:##如果cell中有多段，即有回车符
             text+=p.text
         if row_index%2==0:
             value.append(text)#偶数行为值
             index.append(table_index)#这行也可以放在else中
         else:
             key.append(text)#奇数行为属性

现在word中所有表格的内容已经读出来了，不过是在两个列表中，将它们重新构造成一个表格。

8.重建表格

df=pd.DataFrame({'table_index':index,'key':key,'value':value})

但是这个表格并不是我们想要的结果，我们想要的是key为表头，value为值，table_index为索引，所以我们还需要进一步的操作。

8.pviot

#删除重复行，否则会报错：Index contains duplicate entries, cannot reshape  
df=df.drop_duplicates(['table_index','key'])
df1=df.pivot(index='table_index',columns='key',values='value')
#下面两行用于去除列名和索引名，可有可无，加上只因为我有强迫症，为了美观，感兴趣的朋友可以对比加上这现行前后的差异
df1.columns=list(df1.columns)
df1.index=list(df1.index)

最终得到的表格是这样的：

9.如何把表格写入word文件

上面的表格内容太多，我们取一部分写入word中

from docx.enum.table import WD_TABLE_ALIGNMENT
from docx.shared import Cm
df2=df1.iloc[:10,:6]
d=Document()
tb=d.add_table(rows=len(df2.index),cols=len(df2.columns))
tb.add_row()
for i in range(len(df2.columns)):
    tb.cell(0,i).text=df2.columns[i]#添加表头
for row in range(1,len(df2.index)+1):
    for col in range(len(df2.columns)):
        tb.cell(row,col).width=1
        tb.cell(row,col).text=df2.iloc[row,col]
        tb.cell(row,col).width=Cm(6)
        tb.cell(row,col).ipynb
tb.style='Medium Grid 1 Accent 1'
tb.autofit=True
d.save('tb.docx')

最后生成的word表格是这样的：

关于表格的样式控制将在另一篇博客中展开讨论：利用python批量处理Word文件——表格（二）样式控制
关于word表格的处理就到这里了，现实中我们要处理的文件内容千变万化，不过只要熟练这些基础操作，就可以以不变应万变，后面我会继续写word中其它内容的处理，感兴趣的朋友可以多多关注。