从 python 中的 DOCX Word 文档中提取表格

Question

我正在尝试提取 DOCX Word 文档中的表格内容，而我是 xml/xpath 的新手。

from docx import *
document = opendocx('someFile.docx')
tableList = document.xpath('/w:tbl')

这会触发“XPathEvalError：未定义的命名空间前缀”错误。 我敢肯定，这只是开发脚本时的第一个期望。 不幸的是，我找不到python-docx的教程。

您能否提供一个表格提取的示例？

Answer 1

经过一番反复，我们发现需要一个命名空间才能使其正常工作。 xpath 方法是合适的解决方案，它只需要首先传入文档命名空间。

lxml xpath 方法包含命名空间内容的详细信息。 查看链接中的页面以传递名称空间字典和其他详细信息。

正如 mgierdal 在上面的评论中所解释的那样：

tblList = document.xpath('//w:tbl', namespaces=document.nsmap) 像梦一样工作。 因此，据我了解，w: 是必须扩展为完整名称空间名称的简写，并且它的字典由 document.nsmap 提供。

Answer 2

您可以使用 python-docx 从 docx 中提取表格。 检查以下代码：

from docx import Document()
document = Document(file_path)

tables = document.tables

Answer 3

首先安装@abdulsaboor 提到的python-docx

pip install python-docx

那么这段代码应该这样做：

from docx import Document


document = Document('myfile.docx')

for table in document.tables:
    print()
    for row in table.rows:
        for cell in row.cells:
            print(cell.text, end=' ')