引言

在實(shí)際辦公與數(shù)據(jù)處理場景中，PDF 文件里的表格往往無法直接復(fù)制到 Word 中，尤其是當(dāng)表格結(jié)構(gòu)復(fù)雜、跨頁或包含不規(guī)則布局時(shí)，手動(dòng)復(fù)制不僅耗時(shí)，還容易出現(xiàn)錯(cuò)位、換行混亂或格式被破壞的問題。許多用戶也嘗試使用在線工具或桌面轉(zhuǎn)換軟件，但對(duì)批量文檔、結(jié)構(gòu)化提取、精準(zhǔn)寫入 Word 表格的需求來說，自動(dòng)化方式仍然是最高效、最可靠的解決方案。

本文將介紹如何使用 Python 從 PDF 文件中提取表格數(shù)據(jù)，并將其以標(biāo)準(zhǔn)、結(jié)構(gòu)化的表格形式寫入 Word 文檔。整個(gè)過程可以實(shí)現(xiàn)自動(dòng)化，無需人工干預(yù)，適用于財(cái)務(wù)報(bào)表歸檔、合同中表格提取、數(shù)據(jù)治理流程、第三方 PDF 報(bào)表轉(zhuǎn)換等多個(gè)業(yè)務(wù)場景。

本文使用的方法需要用到 Free Spire.PDF for Python 與 Free Spire.Doc for Python，可通過pip安裝：

pip install spire.pdf.free, spire.doc.free

1. 加載 PDF 文件并準(zhǔn)備 Word 文檔

在處理 PDF 之前，我們需要先加載源文件并初始化 Word 文檔的結(jié)構(gòu)。

from spire.pdf import PdfDocument, PdfTableExtractor
from spire.doc import Document, FileFormat, DefaultTableStyle, AutoFitBehaviorType, BreakType

input_pdf = "sample.pdf"
output_docx = "output/pdf_table_to_docx.docx"

# 載入 PDF 文檔
pdf = PdfDocument()
pdf.LoadFromFile(input_pdf)

# 創(chuàng)建 Word 文檔
doc = Document()
section = doc.AddSection()

說明：

• PdfDocument() 用于加載 PDF 文件，為后續(xù)表格提取提供基礎(chǔ)。
• Document() 創(chuàng)建 Word 文檔對(duì)象，所有表格將插入到默認(rèn)的 Section 內(nèi)。
• 我們提前設(shè)置輸出路徑，確保程序可以直接生成可編輯的 .docx 文件。

此階段相當(dāng)于是搭建轉(zhuǎn)換流程的“基礎(chǔ)框架”。

2. 提取 PDF 表格并創(chuàng)建 Word 表格

接下來進(jìn)入整篇文章的核心——如何從 PDF 中提取表格數(shù)據(jù)并寫入 Word。

# 提取 PDF 表格數(shù)據(jù)并寫入 Word 文檔
table_extractor = PdfTableExtractor(pdf)
for i in range(pdf.Pages.Count):
    tables = table_extractor.ExtractTable(i)
    if tables is not None and len(tables) > 0:
        for i in range(len(tables)):
            table = tables[i]
            # 創(chuàng)建 Word 表格
            word_table = section.AddTable()
            word_table.ApplyStyle(DefaultTableStyle.ColorfulGridAccent4)
            word_table.ResetCells(table.GetRowCount(), table.GetColumnCount())
            for j in range(table.GetRowCount()):
                for k in range(table.GetColumnCount()):
                    cell_text = table.GetText(j, k).replace("\n", " ")
                    tr = word_table.Rows[j].Cells[k].AddParagraph().AppendText(cell_text)
                    tr.CharacterFormat.FontName = "微軟雅黑"
                    tr.CharacterFormat.FontSize = 11
            word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow)
            section.AddParagraph().AppendBreak(BreakType.LineBreak)

關(guān)鍵步驟解析

（1）逐頁讀取 PDF 表格

ExtractTable(i) 會(huì)返回指定頁面上解析出的所有表格。
PDF 本身沒有真正意義上的“表格結(jié)構(gòu)”，因此工具會(huì)根據(jù)線條、文本排列、單元格間距識(shí)別表格。

這一步?jīng)Q定了能否正確提取表格，是整個(gè)流程最重要的環(huán)節(jié)之一。

（2）動(dòng)態(tài)創(chuàng)建 Word 表格

word_table = section.AddTable()
word_table.ResetCells(row_count, column_count)

利用提取出的行列數(shù)，在 Word 中創(chuàng)建結(jié)構(gòu)一致的表格。

• ResetCells 會(huì)在 Word 中按行列生成一個(gè)空表格框架。
• 表格采用 ColorfulGridAccent4 樣式，使結(jié)果更易讀。

（3）處理單元格內(nèi)容

cell_text = table.GetText(j, k).replace("\n", " ")

PDF 單元格中經(jīng)常包含換行符，因此寫入 Word 前需要清理文本，避免格式錯(cuò)亂。

同樣為提升最終文檔的可讀性，我們對(duì)文本進(jìn)行了基礎(chǔ)格式設(shè)置：

tr.CharacterFormat.FontName = "微軟雅黑"
tr.CharacterFormat.FontSize = 11

使生成的 Word 文檔具有更標(biāo)準(zhǔn)、更整潔的視覺效果。

（4）自動(dòng)表格寬度適配

word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow)

這一步能讓表格自動(dòng)適配 Word 頁面寬度，在不同屏幕、Word 布局里都有良好的可視性。

3. 保存 Word 文檔

最后，執(zhí)行保存操作即可生成完整的 Word 文件。

doc.SaveToFile(output_docx, FileFormat.Docx)

Word 文檔會(huì)按前述的結(jié)構(gòu)與樣式生成，可直接打開查看，也適用于進(jìn)一步編輯、排版或作為報(bào)告的一部分。

提取寫入結(jié)果

關(guān)鍵類與方法說明表

為了便于查閱，下面整理本文中主要使用到的類、屬性與方法。

總結(jié)

通過本文示例，你已經(jīng)了解如何使用 Python 自動(dòng)化實(shí)現(xiàn) PDF 表格 → Word 表格 的完整流程。從 PDF 識(shí)別表格、解析行列結(jié)構(gòu)，到在 Word 中創(chuàng)建并填充內(nèi)容，整個(gè)過程高度自動(dòng)化，特別適用于批量處理與業(yè)務(wù)系統(tǒng)集成場景。

相比手動(dòng)復(fù)制格式凌亂、在線工具功能受限、桌面工具難以批量處理，代碼方式具有更高的靈活性與可控性。你可以在此基礎(chǔ)上擴(kuò)展更多能力，例如批量轉(zhuǎn)換、內(nèi)容清洗、模板合并、文本識(shí)別（OCR）等，為企業(yè)類文檔處理提供穩(wěn)定高效的解決方案。

如果你正在處理大量 PDF 表格或需要長期的文檔自動(dòng)化流程，這種基于 Python 的方案將為你的工作帶來顯著提升。

以上就是使用Python將PDF表格自動(dòng)提取并寫入Word文檔表格的詳細(xì)內(nèi)容，更多關(guān)于Python PDF表格提取并寫入Word的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論