如何从 .docx 文件中的表格中提取文本？

Question

我想使用 python 从 .docx 文件中的表中提取文本以进行进一步分析。我使用以下代码：

document = Document(path_to_your_docx)
tables = document.tables
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                print(paragraph.text)

但是这个表格的单元格中似乎还有另一个“表格”，所以我无法提取这部分（如附图所示）。当我使用上面的代码时，我无法获取“是/否”文本。

我也尝试像在表格中一样遍历单元格，但我收到单元格没有表格属性的错误。有什么建议吗？

The table looks like this

code behind table creation

谢谢。

Answer 1

我有解决此问题的方法。我没有使用库 python-docx 从 docx 文件中提取文本，而是使用库 docx2txt （提取 all 文本）和那么我只需要在字符串中找到特定的单词。

text = docx2txt.process(file)

q = "Example1"
result = text[text.find(q)+len(q):].split()[0]

这给了我来自 Column2 的“是”或“否”，对于 Column1 上的每个值（在上面的示例中，它给出 Yes）。