python-docx 从下拉列表中获取信息（在表格中）

Question

我有一个包含多个表的 docx 文件，我想从列表中的表中获取所有信息（该列表称为“alletabellen”）。 通过下面的脚本，我收到了表格中几乎所有的信息，除了下拉列表中的一些变量的值（在一些表格单元格中）。 这些单元格的值在我的列表中保持为空（例如，变量“Number:”中的值“1.2”，请参阅：https://s30.postimg.org/477j8z6ch/table.png我的列表中没有该值）。

是否也可以从这些变量中获取信息？

import docx

bestand = docx.Document('somefile.docx')
tabellen = bestand.tables

alletabellen = []     
for i, tabel in enumerate(tabellen):
    for row in tabellen[i].rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                alletabellen.append(paragraph.text)

更新

我找到了解决方案（感谢 scanny 指出我正确的方向）。 我没有意识到 docx 文件实际上是一个带有 xml 文件的压缩文件，其中包含所有文本。我使用模块 zipfile 提取 docx 和模块 bs4 来查找所有下拉列表标签（'ddList'）并将数据放入列表中。在我的文档中有 12 个下拉列表，我只需要其中的 3 个（其中一个是屏幕截图中的“数字：”，这是文档中的第一个下拉列表）。

import docx
import zipfile
from bs4 import BeautifulSoup

doc = 'somefile.docx'

bestand = docx.Document(doc)
tabellen = bestand.tables

#get data from all the "normal" fields

alletabellen = []     
for i, tabel in enumerate(tabellen):
    for row in tabellen[i].rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                alletabellen.append(paragraph.text)

#get data from all the dropdown lists

document = zipfile.ZipFile(doc)
xml_data = document.read('word/document.xml')
document.close()

soup = BeautifulSoup(xml_data, 'xml')
gegevens = soup.findAll('ddList')     #search dropdownlists (n = 12)

dropdownlist = []
dropdownlistdata = []

for i in gegevens:
    dropdownlist.append(i.find('result'))

#convert to string for if statements
number = str(dropdownlist[0])
job = str(dropdownlist[1])
vehicle = str(dropdownlist[7])

if number == '<w:result w:val="1"/>' :
    dropdownlistdata.append('0,3')
elif number == '<w:result w:val="2"/>' :
    dropdownlistdata.append('1,2')
elif number == '<w:result w:val="3"/>' :
    dropdownlistdata.append('onbekend')
else:
    dropdownlistdata.append('geen')

if job  == '<w:result w:val="1"/>' :
    dropdownlistdata.append('nee')
else:
    dropdownlistdata.append('ja')

if vehicle == '<w:result w:val="1"/>' :
    dropdownlistdata.append('nee')
else:
    dropdownlistdata.append('ja')

#show data
print alletabellen
print dropdownlistdata

Answer 1

'1.2' 没有从 .text 调用中返回的原因很可能是它被包装在某种“容器”XML 中，使其表现得像一个表单字段。

第一步是检查 XML，以便您了解遇到的问题。然后你会写一些代码来找到隐藏的内容。

opc-diag 可以帮助您检查您的 XML： http://opc-diag.readthedocs.io/en/latest/index.html

您会想查看document.xml 部分。

如果您将文档缩减到只显示此行为的最小值，则可以更轻松地找到您需要处理的部分。

如果您可以发布表格那部分的 XML，我可以进一步指导您。