使用python读取word文件里的表格信息

举报
开飞机的大象 发表于 2019/01/18 11:32:25 2019/01/18
【摘要】 在企查查查询企业信息的时候,得到了一些word文件,里面有些控股企业的数据放在表格里,需要我们将其提取出来。

在企查查查询企业信息的时候,得到了一些word文件,里面有些控股企业的数据放在表格里,需要我们将其提取出来。

word文件看起来很复杂,不方便进行结构化。实际上,一个word文档中大概有这么几种类型的内容:paragraph(段落),table(表格),character(字符)。我现在要解析的word文档中,基本都是段落和表格,本文主要来讲一下如何从word中解析出表格,并将表格信息进行结构化。

要想使用python解析word文件,我们可以使用包docx,首先我们需要安装它。

1

pip install python-docx

安装完成后,我们需要读取word文件,代码大致如下:

1
2
3
4
5
6

import docx
from docx import Document

docFile = '国家电网有限公司.docx'
document = Document(docFile) #读入文件
tables = document.tables #获取文件中的表格集

上面的代码中,tables已经是word文件中所有的table构成的list,我要寻找的表格2.6是word文件中的第9个table,可以这样读取。

1
2
3
4
5
6

table = tables[8]#获取文件中的第9个表格
for i in range(1, len(table.rows)):#从表格第二行开始循环读取表格数据
        idNum = table.cell(i,0).text #序号
        companyName = table.cell(i,1).text  #控股企业名称
        investmentRate = table.cell(i,2).text   #投资比例
        stock= table.cell(i,3).text  #股权链

这里已经将表2.6的每一列每一行遍历啦,之后可以将抽取出来的4个参数写到CSV或插入数据库中。

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

本文发表在李思原博客“机器在学习”

原文链接:http://www.siyuanblog.com/?p=2109

欢迎扫码关注我的微信公众号:聚数为塔

qrcode_for_gh_b8391fc7ce11_430.jpg

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


【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。