首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用Python从docx中提取非结构化数据/文本

使用Python从docx中提取非结构化数据/文本
EN

Stack Overflow用户
提问于 2019-11-13 21:05:16
回答 1查看 246关注 0票数 0

我是python的新手。我想从docx文件中提取非结构化数据作为键值对。数据采用表格格式和原始文本格式。我以前也从表中提取过值,但我不知道该怎么做。有没有人能告诉我我指的是哪个包或链接?提前谢谢。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-11-13 21:50:08

安装python-docx

代码语言:javascript
复制
pip install python-docx

并尝试下面的代码

代码语言:javascript
复制
import docx
from docx.document import Document
from docx.oxml.table import CT_Tbl
from docx.oxml.text.paragraph import CT_P
from docx.table import _Cell, Table
from docx.text.paragraph import Paragraph


def iter_block_items(parent):
    if isinstance(parent, Document):
        parent_elm = parent.element.body
    elif isinstance(parent, _Cell):
        parent_elm = parent._tc
    else:
        raise ValueError("Error in reading docx file")

    for child in parent_elm.iterchildren():
        if isinstance(child, CT_P):
            yield Paragraph(child, parent)
        elif isinstance(child, CT_Tbl):
            yield Table(child, parent)


def convert_docx_to_text(file_path):
    doc = docx.Document(file_path)
    for block in iter_block_items(doc):
        if isinstance(block, Table):  # check block is table
            keys = []
            for row in block.rows:  # each table row
                if not keys:
                    keys = [cell.text for cell in row.cells] # keys (table headers)
                    continue
                values = [cell.text for cell in row.cells] # values
                print(dict(zip(keys, values)))
        else:
            print(block.text)  # paragraph text

convert_docx_to_text(file_path="/home/karmveer/Downloads/my.docx")
票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58837803

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档