在日常辦公或數(shù)據(jù)處理任務(wù)中，我們經(jīng)常需要將 Word 文檔里分散的表格匯總到 Excel 中進行計算或分析。面對幾十頁甚至上百頁的文檔，手動復(fù)制+粘貼不僅效率低下，且極易出現(xiàn)單元格錯位、格式丟失等問題。本文將帶你探索如何利用 Python 實現(xiàn)數(shù)據(jù)從 Word 到 Excel 的自動化遷移。

為什么選擇自動化方案？常見技術(shù)方案對比

在處理 Word 表格導(dǎo)出任務(wù)時，開發(fā)者有多種選擇，比如手動復(fù)制、使用 VBA 等等。我們需要根據(jù)業(yè)務(wù)場景、開發(fā)成本以及處理效果來找到最適合的：

• 手動復(fù)制粘貼：適用于處理極少量的單一表格。缺點在于無法保持長文本的段落格式，且在處理含有合并單元格的復(fù)雜表格時，數(shù)據(jù)容易發(fā)生偏移。
• VBA (Visual Basic for Applications)：Office 自帶的腳本語言，可以快速將 Word 中的表格導(dǎo)出。雖然無需安裝第三方庫，但其語法陳舊、調(diào)試困難，且高度依賴 Microsoft Office 環(huán)境，無法在沒有安裝 Office 的服務(wù)器或 Linux 環(huán)境上運行，具有一定的設(shè)備局限性。
• 開源 Python 庫（如 python-docx）：這類工具靈活性高，但在處理復(fù)雜格式（如嵌套表格、復(fù)雜的行列跨度映射）時，往往需要編寫大量底層邏輯代碼，開發(fā)成本較高，需要具備一定的編程知識。
• 專業(yè)類庫（Spire 系列組件）：功能強大、API 簡單易懂。它最大的優(yōu)勢在于獨立性（無需安裝 Office）和高集成度。它將復(fù)雜的 Word DOM 結(jié)構(gòu)映射與 Excel 坐標(biāo)系轉(zhuǎn)換進行了底層封裝，開發(fā)者只需通過簡單的 API 調(diào)用，就可以精準(zhǔn)保留原文檔的邏輯結(jié)構(gòu)和文本格式。

方案對比表：

綜合來看，對于追求高效率和系統(tǒng)穩(wěn)定性的企業(yè)級開發(fā)，使用 Spire.Doc for Python 配合 Spire.XLS for Python 是當(dāng)前最優(yōu)的實戰(zhàn)選型。

環(huán)境準(zhǔn)備

在開始編寫腳本之前，請確保你的 Python 環(huán)境中已安裝相關(guān)組件。這兩個庫分別負責(zé)解析 Word 的流式文檔結(jié)構(gòu)和構(gòu)建 Excel 的行列坐標(biāo)體系：

pip install Spire.Doc
pip install Spire.XLS

你可以分別安裝 Word 和 Excel 組件，也可以直接安裝 Spire.Office for Python，它包含了 Spire.Doc for Python，Spire.XLS for Python，Spire.Presentation for Python 和 Spire.PDF for Python。此外所有組件都提供免費版用于小項目或測試。

如何構(gòu)建 Python 導(dǎo)出表格的代碼

為了讓你更清晰地理解 Spire.Doc 和 Spire.XLS 導(dǎo)出 Word 表格的邏輯，我們將整個實現(xiàn)過程拆解為以下核心步驟：

1. 引入必要的類庫

首先，我們需要在腳本開頭引入 Spire 的核心模塊。通過引入 spire.doc 和 spire.xls 及其通用常量模塊，我們才能在 Python 中調(diào)用其封裝好的文檔處理引擎，從而實現(xiàn)對 Word DOM 樹的解析和 Excel 工作簿的構(gòu)建。

from spire.doc import *
from spire.doc.common import *
from spire.xls import *
from spire.xls.common import *
import os

2. 初始化對象與加載源文件

分別創(chuàng)建 Document 和 Workbook 對象。隨后，使用 LoadFromFile 方法加載待處理的源 Word 文檔，并調(diào)用 Worksheets.Clear() 移除工作簿中默認生成的空白表，以確保輸出結(jié)果不受默認工作表的干擾。

# 創(chuàng)建 Word 文檔對象并加載文件
document = Document()
document.LoadFromFile("E:/input/項目進度.docx")

# 創(chuàng)建 Excel 工作簿并清空默認工作表
workbook = Workbook()
workbook.Worksheets.Clear()

3. 遍歷 Word 文檔多層級結(jié)構(gòu)

Word 的數(shù)據(jù)存儲具有明顯的層級性（Section > Table > Row > Cell）。我們需要使用嵌套循環(huán)依次遍歷文檔中的 Section (節(jié)) 和 Table (表格)。對于每一個發(fā)現(xiàn)的表格，我們通過 workbook.Worksheets.Add() 動態(tài)創(chuàng)建一個工作表，并通過 sheet_index 實現(xiàn)自動命名，確保一表一頁。

sheet_index = 0
for s in range(document.Sections.Count):
    section = document.Sections.get_Item(s)
    tables = section.Tables

    for t in range(tables.Count):
        table = tables.get_Item(t)
        # 動態(tài)創(chuàng)建工作表并遞增索引
        sheet = workbook.Worksheets.Add(f"Table_{sheet_index + 1}")
        # ... (后續(xù)數(shù)據(jù)提取)
        sheet_index += 1

4. 提取單元格文本與格式映射

由于 Word 單元格內(nèi)可能包含多個段落，所以我們需要遍歷 Paragraphs 集合并手動拼接換行符 \n，以保留文本的原始換行結(jié)構(gòu)。最后，通過 Style.WrapText = True 開啟 Excel 的自動換行功能。

# 遍歷行與列
for r in range(table.Rows.Count):
    row = table.Rows.get_Item(r)
    for c in range(row.Cells.Count):
        cell = row.Cells.get_Item(c)
        
        cell_text = ""
        for p in range(cell.Paragraphs.Count):
            paragraph = cell.Paragraphs.get_Item(p)
            cell_text += paragraph.Text.strip() + "\n"

        # 寫入 Excel 坐標(biāo)并設(shè)置換行
        sheet.Range[r + 1, c + 1].Text = cell_text.strip()
        sheet.Range[r + 1, c + 1].Style.WrapText = True

5. 自動化布局優(yōu)化與資源釋放

數(shù)據(jù)填充完成后，利用 AutoFitColumns() 和 AutoFitRows() 方法讓程序自動根據(jù)內(nèi)容調(diào)整列寬和行高。最后釋放內(nèi)存，確保系統(tǒng)資源回收。

完整代碼示例

將上述的步驟整合，即可得到這個高效的 Word 表格導(dǎo)出腳本：

from spire.doc import *
from spire.doc.common import *
from spire.xls import *
from spire.xls.common import *
import os

# 創(chuàng)建 Word 文檔對象并加載文件
document = Document()
document.LoadFromFile("/input/項目進度.docx")

# 創(chuàng)建 Excel 工作簿并刪除默認工作表
workbook = Workbook()
workbook.Worksheets.Clear()

# 遍歷 Word 文檔中的所有節(jié)
sheet_index = 0

for s in range(document.Sections.Count):
    section = document.Sections.get_Item(s)

    # 獲取當(dāng)前節(jié)中的所有表格
    tables = section.Tables

    for t in range(tables.Count):

        # 獲取當(dāng)前表格
        table = tables.get_Item(t)
        # 新建工作表
        sheet = workbook.Worksheets.Add(f"Table_{sheet_index + 1}")

        # 遍歷表格行
        for r in range(table.Rows.Count):
            row = table.Rows.get_Item(r)

            # 遍歷單元格
            for c in range(row.Cells.Count):
                cell = row.Cells.get_Item(c)

                # 提取單元格中的文本
                cell_text = ""
                for p in range(cell.Paragraphs.Count):
                    paragraph = cell.Paragraphs.get_Item(p)
                    cell_text += paragraph.Text.strip() + "\n"

                # 去除末尾換行
                cell_text = cell_text.strip()

                # 寫入 Excel 單元格
                sheet.Range[r + 1, c + 1].Text = cell_text
                # 設(shè)置自動換行
                sheet.Range[r + 1, c + 1].Style.WrapText = True

        # 自動調(diào)整列寬行高
        sheet.AllocatedRange.AutoFitColumns()
        sheet.AllocatedRange.AutoFitRows()
        sheet_index += 1

# 保存為 Excel 文件
workbook.SaveToFile("/output/word表格.xlsx", ExcelVersion.Version2016)
document.Close()
workbook.Dispose()

下面是原始 Word 文檔與提取到的表格的對比示意圖：

結(jié)語

通過 Python 結(jié)合 Spire.Doc 與 Spire.XLS 庫，我們僅需幾十行代碼就能解決復(fù)雜的文檔數(shù)據(jù)提取難題。這種方案不僅保留了原始數(shù)據(jù)的段落結(jié)構(gòu)，還通過自動化布局極大提升了結(jié)果文件的可用性。如果你正在處理大批量的文檔自動化工作，不妨嘗試這種更專業(yè)、更穩(wěn)健的開發(fā)路徑。

到此這篇關(guān)于Python如何提取Word文檔中的表格并導(dǎo)出為Excel的文章就介紹到這了,更多相關(guān)Python提取Word表格并導(dǎo)出內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論