Python - 将表格从 .doc / .docx 文件转换为 .xls

Question

我的任务是将一系列表格从.doc 和.docx-files 转换为.xls，

但还没有找到有效的方法来做到这一点。表格可能位于其他文本之间。

我查看了pywin32, xlwt 和其他几个库，但似乎我必须经历很多步骤。

此表从*.doc/*.docx 转换为*.xls 文件的任何提示？

Answer 1

我假设您有太多需要复制/粘贴的文档，并为内部使用寻求务实的解决方案。这个解决方案：

• 以批处理模式在 Word 中打开文件
• 您可以编写一个小脚本来从 HTML 中删除标签之外的所有内容
• 以 HTML 格式保存文件，但使用 .xls 扩展名
• 默认情况下，HTML 文件将在 Excel 中打开，您只需点击警告即可。

在 Word 中创建一个宏，如下所示：

Sub BatchSaveAs()
    ' Set output_dir appropriately
    ChangeFileOpenDirectory "output_dir"

    outDocName = Left(ActiveDocument.Name, Len(ActiveDocument.Name) - 4) & ".xls"

    ActiveDocument.SaveAs FileName:=outDocName, FileFormat:= _
        wdFormatFilteredHTML, LockComments:=False, Password:="", AddToRecentFiles _
        :=True, WritePassword:="", ReadOnlyRecommended:=False, EmbedTrueTypeFonts _
        :=False, SaveNativePictureFormat:=False, SaveFormsData:=False, _
        SaveAsAOCELetter:=False

    ActiveWindow.View.Type = wdWebView

    Application.Quit SaveChanges:=wdDoNotSaveChanges
End Sub

现在您可以通过脚本以批处理模式运行 Word，该脚本为每个输入文件调用它：

winword file_name /mBatchSaveAs

（您可能需要使用完整路径名）

如果打开 HTML / Excel 文件时的警告不正确，您可以编写一个小 Python 脚本以批处理模式运行 Excel。这显示了如何在 Python 中运行 Excel：

Python com between python and excel

我发现一些有用的技巧：使用 finally 进行清理；您需要的代码看起来像 VBA 代码，如果您不擅长 VBA，请录制一个宏来做您想做的事情并针对 Python 语法进行修改。