知识图谱在构建过程中有个步骤就是知识抽取,知识抽取里面有好多种数据,什么结构化数据,半结构化数据,非结构化数据…今天学习的是比较简单的从docx的表格里提取数据(我也没怎么学过python,我不生产代码,我只是代码的搬运工)
我用的python3.7
先看一下我需要的内容是什么
我想要抽取出来的是(源,角色/关系,目的地)这个东西组成的三元组。需要把表格中的部分进行一个列的交换。最后导出成csv三元组文件。
抽取三元组
from docx import Document # 导入库
import pandas as pd
path = '服务包企业.docx' # 文件路径
document = Document(path) # 读入文件
tables = document.tables # 获取文件中的表格集
row_content = [] # 制造一个列表用来存最终结果
start1 = ['企业视图', '阶段', '开发阶段']
row_content.append(start1) # 存放物理视图关系
tb1 = tables[0] # 取docx里第一个表格
for i, row