Python小技巧：提取docx文件中表格

'''
使用的包：python-docx
安装方式：conda install -c conda-forge python-docx
帮助文档：https://python-docx.readthedocs.io/en/latest/index.html#
'''
import docx 
# import os
from docx import Document

# 1、路径出现的问题特别多，可以参考下方的程序检验路径
# 2、文件名称好像不能是中文
doc_file = '/Users/matthewfan/Documents/123.docx'
document = Document(doc_file)

tables = document.tables # 获取文档中的所有表格
table = tables[0] # 提取文档中的第一个表格，测试文档中仅有一个表格

lo = {} # 存储每一行去重后的数据
for row in range(0, len(table.rows)):
    row_list = []
    for col in range(0,len(table.row_cells(row))):  # 提取row行的全部列数据
        row_list.append(table.cell(row,col).text.replace('\n','').replace(' ', '')) # 去除字符串中的特殊字符，并添加到临时列表中
    lo[row] = (sorted(set(row_list), key = row_list.index)) # 在不变顺序的前提下，去除List中的重复项
    
    # 打印出每行的数据观察相关格式特征
    print(row, ":len(", len(lo[row]),'):',lo[row])

输出结果：

（1）可以通过数据的长度进行类型名与内容的区分

（2）可以通过配置文件进行类型的归类，提高docx文件变化而引起的开发量（暂不提供处理代码）

0 :len( 7 ): ['姓名', '***', '性别', '男', '出生日期（岁）', '1978.11（41岁）', '']
1 :len( 6 ): ['民族', '汉族', '籍贯', '天津', '出生地', '']
2 :len( 7 ): ['入党时间', '2000.06', '工作时间', '1990.07', '健康状况', '良好', '']
3 :len( 4 ): ['职称', '高级工程师', '熟悉专业有何专长', '']
4 :len( 5 ): ['学历学位', '全日制教育', '大学学士', '毕业院校及专业', '重庆大学电力系统及其自动化']
5 :len( 4 ): ['学历学位', '在职教育', '', '毕业院校及专业']
6 :len( 2 ): ['现任职务', '西太平洋机甲公司***部副主任']
7 :len( 3 ): ['工作及学习简历', '1986.09-1990.07', '重庆大学电力系统及其自动化专业学习，获得大学学历，工学学']
8 :len( 3 ): ['工作及学习简历', '', '士学位']
9 :len( 3 ): ['工作及学习简历', '1990.07-1997.06', '西太平洋机甲公司*********技术员']
10 :len( 3 ): ['工作及学习简历', '1997.06-2001.07', '西太平洋机甲公司*********班班长']
11 :len( 3 ): ['工作及学习简历', '2001.07-2002.07', '西太平洋机甲公司*********副主任']
12 :len( 3 ): ['工作及学习简历', '2002.07-2005.04', '西太平洋机甲公司***']
13 :len( 3 ): ['工作及学习简历', '2005.04-2009.02', '西太平洋机甲公司***']
14 :len( 3 ): ['工作及学习简历', '2009.02-2012.02', '西太平洋机甲公司***部***处长']
15 :len( 3 ): ['工作及学习简历', '2012.02-2013.05', '西太平洋机甲公司***部***处长']
16 :len( 3 ): ['工作及学习简历', '2013.05-2016.08', '西太平洋机甲公司*********处处长']
17 :len( 3 ): ['工作及学习简历', '2016.08-2019.05', '西太平洋机甲公司*********处处长']
18 :len( 3 ): ['工作及学习简历', '2019.05-', '西太平洋机甲公司***部副主任']
19 :len( 2 ): ['工作及学习简历', '']
20 :len( 2 ): ['工作及学习简历', '']
21 :len( 2 ): ['工作及学习简历', '']
22 :len( 2 ): ['工作及学习简历', '']
23 :len( 2 ): ['工作及学习简历', '']
24 :len( 2 ): ['工作及学习简历', '']
25 :len( 2 ): ['工作及学习简历', '']
26 :len( 2 ): ['工作及学习简历', '']
27 :len( 2 ): ['工作及学习简历', '']
28 :len( 2 ): ['工作及学习简历', '']
29 :len( 2 ): ['工作及学习简历', '']
30 :len( 2 ): ['工作及学习简历', '']
31 :len( 2 ): ['工作及学习简历', '']
32 :len( 2 ): ['工作及学习简历', '']
33 :len( 6 ): ['家庭主要成员及重要社会关系', '称谓', '姓名', '年龄', '政治面貌', '工作单位及职务']
34 :len( 6 ): ['家庭主要成员及重要社会关系', '妻子', '***', '49', '群众', '西太平洋机甲公司***']
35 :len( 6 ): ['家庭主要成员及重要社会关系', '女儿', '***', '25', '群众', '无业']
36 :len( 6 ): ['家庭主要成员及重要社会关系', '父亲', '***', '75', '群众', '银河系联席会***']
37 :len( 6 ): ['家庭主要成员及重要社会关系', '母亲', '***', '75', '群众', '火星联邦议会***']
38 :len( 2 ): ['家庭主要成员及重要社会关系', '']
39 :len( 2 ): ['家庭主要成员及重要社会关系', '']

样例word文件格式：