【python】批量读取Word文档中的特定表格并保存为Excel文件

批量读取Word文档中的特定表格并保存为Excel文件

在工作中，我们常常需要从多个Word文档中提取数据，然后将这些数据汇总到一个Excel文件中进行分析。下面，我将分享一个Python脚本，它可以从多个Word文档中读取特定的表格数据，并将这些数据保存到一个Excel文件中。

代码实现

我们首先导入所需的库：

python">word">import os
word">import re
word">import pandas word">as pd
word">from docx word">import Document

然后，我们定义一个函数来从Word文档中读取特定表格并转换为DataFrame：在这里插入图片描述
这是此次的文件内容，我们想读取表格中的内容。如：第二个表格中总分的均分项，我们要定义相关参数（函数内部已说明。）

python"># 从Word文档中读取特定表格并转换为DataFrame
word">def read_table_from_word(document, table_index, rows, cols):"""从指定的Word文档中的指定单元格提取数据参数:doc: Document对象，代表一个Word文档table_index: int，要读取的表格索引rows: list，要读取的行索引cols: list，要读取的列索引返回值:data: list，提取的数据"""table = document.tables[table_index]data = [[table.cell(row_idx, col_idx).text word">for col_idx word">in cols]word">for row_idx word">in rows word">if row_idx < len(table.rows)]      word">return data

接下来是主函数，用于批量读取特定模式的Word文档中的表格数据（如下）：
在这里插入图片描述

python"># 主函数，批量读取特定模式的Word文档中的表格数据
word">def read_every_word_file(folder_path, keyword, start_num, end_num, table_index, rows, cols):"""读取文件夹中包含特定关键字的所有Word文件，并提取指定表格中的数据参数:folder_path: str，文件夹路径keyword: str，文件名中包含的关键字，示例中我使用：SCL90table_index: int，要读取的表格索引rows: list，要读取的行索引cols: list，要读取的列索引返回值:all_data: list，所有Word文件中提取的数据"""# 获取文件夹中的所有文件名files = os.listdir(folder_path)# 过滤文件名，筛选出包含关键字的文件files_with_keyword = [f word">for f word">in files word">if keyword word">in f]# 初始化一个空的DataFrame列表dataframes_list = []# 遍历所有预想的文件编号word">for num word">in range(start_num, end_num + 1):# 构建文件编号字符串，确保编号长度为3位，为符合示例中的文件名格式num_str = str(num).zfill(3)# 使用模板和当前数字构建正则表达式（根据实际文件名设置，或者依据AI分析得出）pattern1 = f"B{num_str}--{keyword}.doc"pattern2 = f"B{num_str}---{keyword}.doc""""	注：AI生成的正则表达式并不完善，需要根据实际调整。"""# 检查文件是否存在且符合模式word">if pattern1 word">in files_with_keyword:# 文件存在且符合模式，读取数据file_path = os.path.join(folder_path, pattern1)doc = Document(file_path)word">try:df = read_table_from_word(doc, table_index, rows, cols)word">except Exception word">as e:word">print(f"读取文件 {pattern1} 错误: {e}")df = pd.DataFrame()dataframes_list.append(df)word">elif pattern2 word">in files_with_keyword:# 文件存在且符合模式，读取数据file_path = os.path.join(folder_path, pattern2)doc = Document(file_path)word">try:df = read_table_from_word(doc, table_index, rows, cols)word">except Exception word">as e:word">print(f"读取文件 {pattern2} 错误: {e}")df = pd.DataFrame()dataframes_list.append(df)word">else:# 文件不存在或不符合模式，记录为空DataFramedataframes_list.append(pd.DataFrame())# 创建DataFrame列表dfs = []word">for data word">in dataframes_list:# 将字符串转换为整数int_data = [int(item[0]) word">for item word">in data]# 创建DataFramedf = pd.DataFrame(int_data, columns=['Data'])dfs.append(df)word">return dfs

最后，我们定义一个函数来保存DataFrame列表到同一个Excel工作表：

python"># 定义函数来保存DataFrame列表到同一个Excel工作表
word">def save_dataframes_to_same_sheet(dfs, excel_path):# 使用with语句确保文件正确关闭word">with pd.ExcelWriter(excel_path, engine='openpyxl', mode='w') word">as writer:# 写入第一个DataFramedf_transposed = dfs[0].Tdf_transposed.to_excel(writer, sheet_name='Sheet1',startrow=1, index=False, header=False)# 获取第一个DataFrame的高度（行数）startrow = df_transposed[0].shape[0]+1# 剩余DataFrame的处理word">for df word">in dfs[1:]:word">if df.empty:  # 如果DataFrame为空df_transposed =  df.T# 仅写入标题行（即使没有数据），以保留一行空白df_transposed.columns.to_series().to_frame(name=None).to_excel(writer, sheet_name='Sheet1', startrow=startrow, index=False, header=False)# 空DataFrame增加的行数为1startrow += 1word">else:df_transposed =  df.Tdf_transposed.to_excel(writer, sheet_name='Sheet1', startrow=startrow, index=False, header=False)# 非空DataFrame增加的行数为其行数startrow += df_transposed.shape[0]word">print(f'数据已保存至{excel_path}的Sheet1')

配置参数并执行代码

我们需要配置一些参数，然后调用上述函数来读取文件并保存数据：

python"># 配置参数
folder_path = '相对文件夹路径'
excel_path = '保存Execl文件的相对路径'# 调用函数读取文件
dataframes = read_every_word_file(folder_path, 'SCL90', 1, 79, 1, [1,2,3,4,5,6,7,8,9,10,11], [1])
# 保存数据到Excel
save_dataframes_to_same_sheet(dataframes, excel_path)