【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：
import os
import re
import pandas as pd
from docx 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：
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。）
# 从Word文档中读取特定表格并转换为DataFrame
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 for col_idx in cols]for row_idx in rows if row_idx < len(table.rows)] 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）：
# 主函数，批量读取特定模式的Word文档中的表格数据
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 for f in files if keyword 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for num 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if pattern1 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)try:df = read_table_from_word(doc, table_index, rows, cols)except Exception as e:print(f"读取文件 {pattern1} 错误: {e}")df = pd.DataFrame()dataframes_list.append(df)elif pattern2 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)try:df = read_table_from_word(doc, table_index, rows, cols)except Exception as e:print(f"读取文件 {pattern2} 错误: {e}")df = pd.DataFrame()dataframes_list.append(df)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 = []for data in dataframes_list:# 将字符串转换为整数int_data = [int(item[0]) for item in data]# 创建DataFramedf = pd.DataFrame(int_data, columns=['Data'])dfs.append(df)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：
# 定义函数来保存DataFrame列表到同一个Excel工作表
def save_dataframes_to_same_sheet(dfs, excel_path):# 使用with语句确保文件正确关闭with pd.ExcelWriter(excel_path, engine='openpyxl', mode='w') 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for df in dfs[1:]: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 += 1else: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]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：
# 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)
这样，我们就可以从指定的Word文档中读取表格数据，并将这些数据保存到一个Excel文件中。希望这个脚本对你有所帮助！
并不具有普适性，请在修改后使用！
欢迎提出见解和指正错误！