如何使用Python读取MS Word文件中的表内容？

如何读取和处理DOCX文件中表的每个单元格的内容

我在Windows7和PyWin32上使用Python3.2访问MS Word文档

我是一个初学者，所以我不知道正确的方法达到表细胞。到目前为止，我刚刚做了以下工作：

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

---

以下是Python 2.7中适用于我的内容：

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

要查看文档中有多少表，请执行以下操作：

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)

要选择单元格，请执行以下操作：

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

要获取其内容：

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

希望这有帮助

编辑：

基于列标题返回列索引的函数示例：

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，您可以通过以下方式访问所需的单元格，例如：

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

---

晚年才加入，但我想我还是要把这句话说出来： 现在（2015年），您可以使用非常整洁的doc python库： . 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

来自docx导入文档
wordDoc=文档（“”）
对于wordDoc.tables中的表：
对于table.rows中的行：
对于row.cells中的单元格：
打印cell.text

我在一个博客上找到了一个简单的代码片段

最棒的是，您不需要安装任何非标准的python库

docx文件的格式如中所述

导入zipfile
导入xml.etree.ElementTree
WORD_{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'
PARA=WORD_名称空间+p
TEXT=WORD_名称空间+t'
TABLE=WORD_名称空间+tbl
行=WORD_名称空间+tr
CELL=WORD_名称空间+tc
zipfile.zipfile（“”）作为docx：
tree=xml.etree.ElementTree.xml（docx.read（'word/document.xml'））
对于树中的表。iter（表）：
对于表.iter（行）中的行：
对于第行中的单元，iter（单元）：
打印“”。连接（cell.iter中节点的node.text（text））

请提供更多详细信息。。。“到目前为止你试过什么？”克里斯托弗编辑。希望现在已经足够了？非常感谢你为我工作。我还有一个问题，有没有办法通过列标题和行号访问表单元格？再次感谢：）我认为Ms Word中的列标题是常规单元格。它们应该只是表格的第一行。但是，您可以编写一个返回列索引的函数。我将编辑我的答案，给你们展示一个例子。非常感谢你们的帮助。这很有帮助。此代码无法捕获可能位于标头中的表。。你有解决这个问题的办法吗？？我真的很感激你的帮助，谢谢你，请详细说明！你所说的“抓住可能在页眉中的表格”是什么意思？谢谢！你知道如何处理合并的单元格吗？例如，我有一个2行3列的表，但最后一行的前两列合并了。上述代码的结果是，第三列的内容被读取为第二列，而不是第三列。@Shani，自从我查看Excel文件以来，已经有几年了。您可以解压缩word文档，检查合并单元格的结构，并修改上面的代码。或者，自从我写了这篇文章以来，对python中的Microsoft文档有了更好的支持。使用其中一个python模块可能会做得更好。实际上，上面的代码比我在网上找到的模块简单得多，涵盖的案例也更多（例如，如果表格中使用字段，tabla不会读取字段，因此整个表格都被扭曲了，但我也尝试了其他包）。我会看看里面的结构。这是一个有用的包，有很多用途。。。但一个大问题是，文本作为一个长列表（段落）给出，表格作为第二个列表，图像作为第三个列表给出，没有任何指示它们是如何排列在一起的。有人试图在……处设法解决这个问题。。。但它处理文件的速度非常慢。如果需要对所有元素进行排序，则可能必须使用Mike Robins的方法。

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))