从python中的DOCX Word文档中提取表格答案

【问题标题】：Extracting tables from a DOCX Word document in python从python中的DOCX Word文档中提取表格
【发布时间】：2021-02-18 19:50:43
【问题描述】：

我正在尝试提取 DOCX Word 文档中的表格内容，我是 xml/xpath 的新手。

from docx import *
document = opendocx('someFile.docx')
tableList = document.xpath('/w:tbl')

这会触发“XPathEvalError：未定义的命名空间前缀”错误。我敢肯定，这只是开发脚本时的第一个期望。不幸的是，我找不到python-docx 的教程。

您能否提供一个表格提取的示例？

【问题讨论】：

你从哪里得到 docx 的？可以提供网址吗？
你应该找一个 python xml 教程。根据来源，opendocx 函数返回一个 xml 文档。 python-docx 库中的其余函数是 lxml python 库的包装器，在 lxml.de 或在我看来。
@Spencer Rathbun：以下代码不会引发错误，但奇怪的是会产生 [] tableList = document.xpath('//tbl') print tableList 这是我不明白的一些 DOCX 功能吗？
@mgierdal 看起来是正确的结果。它在 tbl 的 xml 树中搜索，但没有找到它。所以，你的结果集是空的。我建议print document 拿出你的整个xml，看看你是否真的有你期望的标签。如果是这样，那么您的函数调用在某种程度上是不正确的。在 lxml 库中找到有关 xpath 函数的文档，看看是否有格式错误的命令。
@Spencer Rathbun：使用 print etree.tostring(document) 打印会显示标签。我还尝试了'/tbl'（也产生空）和带有额外参数namespaces=document.nsmap 的任何一种形式都无济于事。我发现它前面有一个命名空间速记“w”什么是冒犯性的。

标签： python xpath ms-word docx

【解决方案1】：

经过一番反复，我们发现需要一个命名空间才能使其正常工作。 xpath 方法是合适的解决方案，它只需要先传入文档命名空间。

lxml xpath method 包含命名空间内容的详细信息。查看链接中的页面以传递命名空间字典和其他详细信息。

正如 mgierdal 在上面的评论中解释的那样：

tblList = document.xpath('//w:tbl', namespaces=document.nsmap) 有效像做梦一样。所以，据我了解 w: 是一个简写，必须是扩展为完整的命名空间名称，其字典为由 document.nsmap 提供。

【讨论】：

【解决方案2】：

您可以使用 python-docx 从 docx 中提取表格。检查以下代码：

from docx import Document()
document = Document(file_path)

tables = document.tables

【讨论】：

【解决方案3】：

首先安装@abdulsaboor 提到的python-docx

pip install python-docx

那么这段代码应该这样做：

from docx import Document


document = Document('myfile.docx')

for table in document.tables:
    print()
    for row in table.rows:
        for cell in row.cells:
            print(cell.text, end=' ')

【讨论】：