如何提取Word文档表格保存到Excel

 

 

一.项目背景

 

   日常工作中，我们不免会遇到接收大量相似的word文档，并需要把这些文档中的数
   据提取到Excel表中。例如，提取word文档中的财务数据、考勤数据等，将数据存储到
Excel表中，本次项目我们专门针对word文档中的表格数据进行解析与提取。

 

原始数据文件（word文档）
 

 

word文档内容

 

 

•  

本次我们的目标是提取表格列名称和人数这一行，最后存储为Excel文件。

目标Excel文件

 

 

二.实现步骤

import pandas as pd
import docx
import os

#提取word文档表格
def DocParsing(path_para):
    #获取文件列表
    file_list = os.listdir(path_para)
    #创建存储所有数据的列表
    list_combine = []

    #遍历word文件列表
    for file in file_list:
        #读取word文档
        doc = docx.Document(path_para + '/' + file)
        #创建存储单个word文档数据的列表，key存储值，col存储列名称
        key, col = [], []
        #获取word文档的表格
        tb = doc.tables[0]
        #row_index 表示表格的行数
        row_index=0
        #遍历表格的行
        for row in tb.rows:
            #记录行数
            row_index += 1
            #不提取占比这行
            if row_index == 3:
                continue
            else:
            #遍历每行的单元格
                for cell in row.cells:
                    text = ""
                    #解析每一个单元格的数据
                    for p in cell.paragraphs:
                        text += p.text
                    #提取列名称
                    if row_index == 1 :
                        #提取人数数据
                        col.append(text)
                    else:
                        key.append(text)

        #修改列表'col'的第一个元素为‘部门’
        col[0] = '部门'
        #修改列表‘key’的第一个元素为具体部门名称
        key[0] = file[4:16]
        #将提取的数据转化为单行DataFrame对象
        data = pd.DataFrame({i: j for i, j in zip(col, key)}, index=[0])
        print(data)
        #将DataFrame对象存储到列表
        list_combine.append(data)

    #合并数据并重建索引
    df = pd.concat(list_combine, ignore_index=True)
    #输出数据
    print(df)
    #保存数据为Excel文件
    df.to_excel('考勤汇总表.xlsx')

DocParsing('./task/')