当前位置: 首页 > news >正文

Python和VBA批量提取Word中的表格

表格在word文档中常见的文档元素之一。操作word文件时有时需要提取文件中多个表格的内容到一个新的文件,甚至有时还会要提取题注信息。

今天,给大家分享两种批量提取文档中表格的两种方法,分别是VBA法和Python法两种。

一、VBA法提取word中的表格

1. 代码实现

VBA(Visual Basic for Applications)操作Word文件时,可以执行包括创建、打开、保存、修改文本和格式等多种任务。今天,我们使用VBA来批量提取当前文件中的表格,在每个表格中间添加一个空行。实现代码如下:

 Sub ExtractTablesAndPreviousRowToNewFile()Dim docSource As DocumentDim docTarget As DocumentDim tbl As TableDim rng As RangeDim outputPath As StringDim fileName As String' 设置输出文件名和路径fileName = "output.docx"outputPath = ActiveDocument.Path & "\" & fileName' 当前文档设置为源文档Set docSource = ActiveDocument' 创建一个新文档作为目标文档Set docTarget = Documents.AddFor Each tbl In docSource.Tables' 复制表格tbl.Range.CopydocTarget.Content.InsertParagraphAfterdocTarget.Content.Paragraphs.Last.Range.Paste' 在表格后添加一个空行docTarget.Content.InsertParagraphAfterdocTarget.Content.Paragraphs.Last.Range.InsertParagraphAfterNext tbl' 删除目标文档中的第一个空段落If docTarget.Paragraphs.Count > 0 ThendocTarget.Paragraphs(1).Range.DeleteEnd If' 保存新文档到指定路径docTarget.SaveAs2 fileName:=outputPath, FileFormat:=wdFormatXMLDocumentdocTarget.CloseMsgBox "表格及其上方一行内容已经成功提取到 " & outputPath, vbInformation
End Sub

2. 代码分析

以上代码首先激活当前文档作为源文档,然后创建一个新文档output.docx用来放置提取的表格和题注。它会遍历源文档中的所有表格,对于每个表格,尝试复制表格本身到目标文档中。

每个表格后面,还会插入一个空行以保持文件中多个表格间清晰的视觉分隔。

3. 使用方法

首先,在Word中打开你想提取表格的文档,然后按下 Alt + F11 打开VBA编辑器。在【项目】窗格中,选择你的文档,然后插入一个新的模块(右键点击你的文档名称,选择【插入】 > 【模块】)。将以上VBA代码复制并粘贴到新模块中。关闭VBA编辑器,然后运行宏(在Word中,可以通过【视图】 > 【宏】> 【查看宏】,选择这个宏,然后点击【运行】即可。

二、Python法

Python在office办公自动化方面有非常广泛的用途,它有专门的库来处理office中的各个组件,而且这些都是开源免费使用的。操作word文件就要用到python-docx这个库,在编写程序之前要安装新版的Python程序,然后在cmd下面用pip install python-docx来安装这个库,也可以在thonny这个轻量版的集成开发环境中安装python-docx用于操作word文件。

1.代码实现

我们首先从docx中导入Document模块,然后读取指定的word文件,提取表格及其内容到一个新的文件当中并保存。实现代码如下:

from docx import Document
import osdef extract_tables(doc_path, output_path):# 加载原始文档doc = Document(doc_path)new_doc = Document()# 提取表格并添加到新文档for i, table in enumerate(doc.tables):t = new_doc.add_table(rows=1, cols=len(table.columns))t.style = 'Table Grid'  # 使用内置的表格样式,这样会自动添加框线# 复制表头for j, cell in enumerate(table.rows[0].cells):t.cell(0, j).text = cell.text# 复制其他行for row in table.rows[1:]:new_row = t.add_row()for j, cell in enumerate(row.cells):new_row.cells[j].text = cell.text# 除了最后一个表格外,在每个表格后添加一个空行(空段落)if i < len(doc.tables) - 1:new_doc.add_paragraph()# 保存新文档new_doc.save(output_path)# 使用示例
extract_tables('example.docx', 'output.docx')

2. 代码分析

以上代码把example.docx文件中的所有表格提取到了output.docx文件中,同时使用了表格的内置样式,给新生成的表格自动添加框线,基本实现表格文本内容的提取,但是表格中的字体颜色、大小和边框样式均无法提取。同时这里也没有提取题注,这时我们需要对代码进一步修改,以使其可以提取表格上方的题注。

3. 提取题注和表格内容

本代码把表格上方居中的文字默认识别为表格的题注,提取表格内容时会一并提取出来。

from docx import Document
from docx.enum.text import WD_ALIGN_PARAGRAPH
import osdef extract_tables_with_titles(doc_path, output_path):# 加载原始文档doc = Document(doc_path)new_doc = Document()# 提取表格并添加到新文档for i, table in enumerate(doc.tables):# 尝试定位并复制表格上方的居中文字# 查找表格前的段落para = table._element.getprevious()if para is not None and para.tag.endswith('p'):# 检查该段落的格式是否为居中p = para.getparent()para_obj = [p for p in doc.paragraphs if p._element == para][0]if para_obj.alignment == WD_ALIGN_PARAGRAPH.CENTER:# 添加居中的段落到新文档new_para = new_doc.add_paragraph(para_obj.text)new_para.alignment = WD_ALIGN_PARAGRAPH.CENTER# 添加表格t = new_doc.add_table(rows=1, cols=len(table.columns))t.style = 'Table Grid'  # 使用内置的表格样式,这样会自动添加框线# 复制表头for j, cell in enumerate(table.rows[0].cells):t.cell(0, j).text = cell.text# 复制其他行for row in table.rows[1:]:new_row = t.add_row()for j, cell in enumerate(row.cells):new_row.cells[j].text = cell.text# 除了最后一个表格外,在每个表格后添加一个空行(空段落)if i < len(doc.tables) - 1:new_doc.add_paragraph()# 保存新文档new_doc.save(output_path)# 使用示例
extract_tables_with_titles('example.docx', 'output.docx')

以上代码在原有代码基础上增加了题注内容的提取,通过调用extract_tables_with_titles这个函数,批量把example.docx文件中的表格和题录提取出来,并放到了output.docx当中,并且每个表格之间会有一个空行。

三、演示视频

本人录制了相关视频,供大学参考使用。

VBA和Python提取Word中的表格

四、学后反思

  1. 利用VBA和Python均可以实现表格内容提取的功能,但是对于文字和表格的样式无法完整提取。后期会进一步探索如何把表格内容和样式完整拷贝出来,但是由于涉及字体等特殊格式,提取样式会有一定的难度。
  2. 上面两种方法的优势在于可以批量、高效地提取表格内容,但是无法提取样式,因此在提取复杂表格时可能会报错。
  3. 以上代码默认是把表格批量提取到当前目录,VBA代码应用的是当前的word文件,而python则要求提取的文件名为example.docx,如果想批量提取多个文件中的表格则还需要添加for循环来遍历所有的word文件。
http://www.lryc.cn/news/299075.html

相关文章:

  • Swift Combine 有序的异步操作 从入门到精通十二
  • 国产航顺HK32F030M: 超声波测距模块串口通信数据接收与处理
  • idea:如何连接数据库
  • JS中ES5和ES6的区别
  • 软考24-上午题-图1
  • 书生·浦语大模型第四课作业
  • 勒索攻击风起云涌,Sodinokibi深度分析
  • 1124. 骑马修栅栏(欧拉路径,模板)
  • C# CAD2016获取数据操作BlockTableRecord、Polyline、DBObject
  • java SSM新闻管理系统myeclipse开发mysql数据库springMVC模式java编程计算机网页设计
  • Linux_线程
  • 【selenium】
  • HX711压力传感器学习一(STM32)
  • 作业2.13
  • ArcGIS学习(七)图片数据矢量化
  • G口大流量服务器选择的关键点有哪些?
  • MongoDB聚合:$unset
  • DS Wannabe之5-AM Project: DS 30day int prep day14
  • 【程序设计竞赛】C++与Java的细节优化
  • Java缓冲流——效率提升深度解析
  • 16 亚稳态原理和解决方案
  • C# OCR识别图片中的文字
  • 使用python-numpy实现一个简单神经网络
  • CSS定位装饰
  • java之jvm详解
  • vue3学习——集成sass
  • 开关电源学习之Boost电路
  • QRegExp的学习
  • 28.Stream流
  • 大数据应用对企业的价值