使用python讀取word文件里的表格信息

在企查查查詢企業信息的時候，得到了一些word文件，里面有些控股企業的數據放在表格里，需要我們將其提取出來。

word文件看起來很復雜，不方便進行結構化。實際上，一個word文檔中大概有這么幾種類型的內容：paragraph（段落），table（表格），character（字符）。我現在要解析的word文檔中，基本都是段落和表格，本文主要來講一下如何從word中解析出表格，并將表格信息進行結構化。

要想使用python解析word文件，我們可以使用包docx，首先我們需要安裝它。

1

pip install python-docx

安裝完成后，我們需要讀取word文件，代碼大致如下：

1

2

3

4

5

6

import docx

from docx import Document

docFile = '國家電網有限公司.docx'

Document = Document(docFile) #讀入文件

tables = document.tables #獲取文件中的表格集

上面的代碼中，tables已經是word文件中所有的table構成的list，我要尋找的表格2.6是word文件中的第9個table，可以這樣讀取。

1

2

3

4

5

6

table = tables[8]#獲取文件中的第9個表格

for i in range(1, len(table.rows)):#從表格第二行開始循環讀取表格數據

idNum = table.cell(i,0).text #序號

companyName = table.cell(i,1).text ?#控股企業名稱

investmentRate = table.cell(i,2).text ? #投資比例

stock= table.cell(i,3).text ?#股權鏈

這里已經將表2.6的每一列每一行遍歷啦，之后可以將抽取出來的4個參數寫到CSV或插入數據庫中。

====================================================================

本文發表在李思原博客“機器在學習”

=====================================================================

python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。