python-docx：将表格解析为 Panda Dataframe答案

【问题标题】：python-docx: Parse a table to Panda Dataframepython-docx：将表格解析为 Panda Dataframe
【发布时间】：2020-10-09 04:05:04
【问题描述】：

我正在使用python-docx 库来提取ms word 文档。我可以使用同一个库从 word 文档中获取所有表格。但是，我想将表格解析为熊猫数据框，是否有任何内置功能可用于将表格解析为数据框，或者我必须手动完成？另外，是否有可能知道表格所在的标题名称？谢谢

from docx import Document
from docx.shared import Inches
document = Document('test.docx')

tabs = document.tables

【问题讨论】：

标签： python pandas dataframe ms-word python-docx

【解决方案1】：

您可以使用以下代码从数据框中的文档中提取表格：

from docx import Document
import pandas as pd
document = Document('test.docx')

tables = []
for table in document.tables:
    df = [['' for i in range(len(table.columns))] for j in range(len(table.rows))]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            if cell.text:
                df[i][j] = cell.text
    tables.append(pd.DataFrame(df))
print(tables)

您可以从表变量中获取所有表。

【讨论】：

这是迄今为止我见过的最好的答案，这段漂亮的代码甚至可以做 camlot 或 tabular 做不到的事情。很棒的工作！！！

【解决方案2】：

类似的替代方案（但我没有使用多个表进行测试）。
这给了我正在寻找的数据框格式：

for table in firstdoc.tables:
    doctbls=[]
    tbllist=[]
    rowlist=[]
    for i, row in enumerate(table.rows):
        for j, cell in enumerate(row.cells):
            rowlist.append(cell.text)
        tbllist.append(rowlist)
        rowlist=[]
    doctbls=doctbls+tbllist

finaltables=pd.DataFrame(doctbls)     
display(finaltables)

【讨论】：