使用 Python 读取 DOCX 中的表格
在现代开发中，处理文档是一个常见的任务，特别是当我们需要从 Word 文档中提取信息时。Python 提供了强大的库来帮助我们处理文档，例如 python-docx。本文将指导你如何使用 Python 读取 DOCX 文件中的表格。
流程概述
在开始之前，让我们对整个流程进行梳理。我们将分为几个主要步骤，如下表所示：
| 步骤 | 内容 |
|---|---|
| 1 | 安装必要的库 |
| 2 | 导入模块 |
| 3 | 加载 DOCX 文件 |
| 4 | 读取表格数据 |
| 5 | 打印输出表格数据 |
接下来，我们将逐步实现每个步骤。
第一步：安装必要的库
在开始编写代码之前，确保你已经安装了 python-docx 库。如果还没有安装，可以使用以下命令：
pip install python-docx
这行命令会下载并安装 python-docx 库，使你能够方便地操作 DOCX 文件。
第二步：导入模块
在 Python 脚本中，我们首先需要导入所需的模块。我们需要导入 Document 类来加载 DOCX 文件。代码如下：
from docx import Document # 导入 Document 类以处理 DOCX 文件
通过导入 Document，我们可以轻松地创建一个对象来表示我们的 Word 文档。
第三步：加载 DOCX 文件
接下来，我们需要加载一个已经存在的 DOCX 文件。假设你的文件名为 example.docx，以下是加载文件的代码：
doc = Document('example.docx') # 加载名为 example.docx 的 DOCX 文件
在这里，我们创建了一个名为 doc 的对象，用于表示所加载的 Word 文档。
第四步：读取表格数据
DOCX 文件可以包含多个表格。我们将遍历这些表格，并逐行读取数据。以下是读取表格的代码段：
for table in doc.tables: # 遍历文档中的所有表格
for row in table.rows: # 遍历每个表格的每一行
for cell in row.cells: # 遍历每一行中的每个单元格
print(cell.text, end='\t') # 打印单元格的文本内容，用制表符分隔
print() # 打印新行以分隔每一行
在这段代码中：
doc.tables用于获取文档中的所有表格。table.rows返回一个包含所有行的集合。row.cells返回每一行的单元格集合。cell.text获取单元格中的文本内容。
第五步：打印输出表格数据
在上述代码中，我们已经将表格的数据逐行打印输出了。如果有多个表格，输出的对应关系会按表格顺序排列。
关系图
通过 mermaid 语法，我们可以用 E-R 图的形式展示 DOCX 文件的结构和表格数据之间的关系：
erDiagram
DOCX {
string title
blob content
}
TABLE {
int id
string title
}
ROW {
int id
int table_id
}
CELL {
int id
int row_id
string text
}
DOCX ||--o{ TABLE : contains
TABLE ||--o{ ROW : contains
ROW ||--o{ CELL : contains
在这个关系图中，DOCX 文件包含多个表格，而每个表格又包含多行，最后每行包含多个单元格。这样的设计有助于我们更清晰地理解数据结构。
结尾
通过以上步骤，你应该已经掌握了如何使用 Python 读取 Word 文档中的表格。我们从安装相关库、导入模块、加载文档，到读取和打印表格数据，逐步完成了整个过程。
在实际开发中，处理 DOCX 文件中的表格可能会涉及复杂的数据结构和内容，因此熟悉这些基本操作对于后续更深入的文档处理是非常重要的。希望这篇文章能对你有所帮助，并激励你深入探索 Python 的强大功能！如果你在实现过程中遇到问题，欢迎随时寻求帮助。
