python-docx：将 table 解析为 Panda Dataframe

Question

我正在使用 python-docx 库来提取 ms word 文档。我可以使用同一个库从 word 文档中获取所有 table。但是，我想将 table 解析为熊猫数据框，是否有任何 built-in 功能可用于将 table 解析为数据框，或者我必须这样做它手动？另外，是否有可能知道 table 所在的标题名称？谢谢

from docx import Document
from docx.shared import Inches
document = Document('test.docx')

tabs = document.tables

Answer 1

您可以使用以下代码从数据框中的文档中提取表格：

from docx import Document
import pandas as pd
document = Document('test.docx')

tables = []
for table in document.tables:
    df = [['' for i in range(len(table.columns))] for j in range(len(table.rows))]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            if cell.text:
                df[i][j] = cell.text
    tables.append(pd.DataFrame(df))
print(tables)

您可以从 tables 变量中获取所有表格。

Answer 2

类似的替代方案（但我没有使用多个表进行测试）。
这给了我正在寻找的数据帧格式：

for table in firstdoc.tables:
    doctbls=[]
    tbllist=[]
    rowlist=[]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            rowlist.append(cell.text)
        tbllist.append(rowlist)
        rowlist=[]
    doctbls=doctbls+tbllist

finaltables=pd.DataFrame(doctbls)     
display(finaltables)

python-docx：将 table 解析为 Panda Dataframe

python-docx: Parse a table to Panda Dataframe

python

ms-word

dataframe

pandas

python-docx