python docx 利用tables读取表格存在错行

最新推荐文章于 2024-01-25 08:25:34 发布

tixxxa

最新推荐文章于 2024-01-25 08:25:34 发布

阅读量1.9k

点赞数 4

分类专栏： python-docx 文章标签： python

本文链接：https://blog.youkuaiyun.com/tixxxa/article/details/120428404

版权

最近因为工作原因一直在使用python docx提取word中的表格及内嵌文件

发现大家一般使用的提取方法都是直接用enumerate table.rows和row.cells直接读取表格的每行，每列，但是这样会导致一个问题，word中的table很多时候是手画的，或者经过多次编辑，行和列都存在对不齐的现象，如果用这种方法去提取表格则会导致串行。

于是我就想到直接读取表格的xml信息，然后用xml来提取表格信息的方法

##path 文件所在位置
##tb_location 所要提取的表格为文档中的第几个表格

def extract_table(path,tb_loc_dic):
    document = Document(path)
    tables = document.tables 

    rel_list=[]           
        
    proxy=[]
    for p in document.tables:
        proxy.append(p._element.xml)
    wp_lt=[]
    wt_lt=[]  
    cell_lt=[]  
    wtr_lt=[] 
    title_lt=[]
    cell0full=""
    cell0_lt=[]
    wp_lt_2=[]
    ##wtr 每行
    wtr_str=".//{http://schemas.openxmlformats.org/wordprocessingml/2006/main}tr" 
    ## wtc 每个cel
    wtc_str=".//{http://schemas.openxmlformats.org/wordprocessingml/2006/main}tc"
    ##wp 每个cell里每行