用 Python 解锁 Word 表格：高效提取与自动化处理指南

在日常办公和自动化处理场景中，Word 文档（DOC/DOCX）依然是最常见的数据载体之一。许多业务数据、统计报表、合同条款或配置信息，往往以表格的形式存在于 Word 文档中。当我们需要对这些表格数据进行进一步处理（如导入数据库、转换为 Excel、生成报表或进行数据分析）时，手动复制粘贴显然效率低下，也容易出错。

借助 Python 以及专业的文档处理库，我们可以实现 自动化提取 Word 表格内容 ，并将其保存为结构化文本文件或其他格式。本文将详细介绍如何使用 Spire.Doc for Python ，从 Word 文档中逐个提取表格，并将表格内容导出为文本文件。

为什么选择 Spire.Doc for Python？

在众多 Python 文档处理方案中，Spire.Doc for Python 是一款面向开发者的专业 Word 文档处理库，具备以下显著优势：

无需依赖 Microsoft Word ：纯 Python 实现，适合服务器和自动化环境
支持完整 Word 结构 ：段落、表格、页眉页脚、样式等均可访问
API 设计清晰 ：面向对象，逻辑与 Word 文档结构高度一致
稳定可靠 ：适合批量处理与企业级应用场景

在提取表格这种涉及文档层级遍历的任务中，Spire.Doc 提供了非常直观的对象模型，使代码既清晰又易于维护。

实现思路概述

从 Word 中提取表格，本质上是对 Word 文档结构的逐层遍历。整体流程如下：

加载 Word 文档
遍历文档中的所有 Section（节）
在每个 Section 中获取所有表格（Table）
遍历表格中的行（Row）和单元格（Cell）
读取单元格内的段落文本
按行列结构拼接表格数据
将每个表格保存为独立的文本文件

这种方式不仅能够完整保留表格结构，也便于后续扩展为 CSV、Excel 或数据库导入逻辑。

准备工作

在开始之前，请确保你的环境已准备就绪：

Python 3.x
已安装 spire.doc（Spire.Doc for Python）

安装方式示例：

bash 复制代码

pip install spire-doc

安装完成后，即可在 Python 项目中直接引用相关模块。

示例代码：从 Word 提取表格并保存为文本文件

下面是完整的示例代码，用于从 Word 文档中提取所有表格，并将每个表格保存为一个 .txt 文件。

python 复制代码

from spire.doc import *
from spire.doc.common import *

# 创建 Document 实例
doc = Document()

# 加载 Word 文档
doc.LoadFromFile("Input.docx") 

# 遍历文档中的所有节（Section）
for s in range(doc.Sections.Count):
    # 获取当前节
    section = doc.Sections.get_Item(s)
    # 获取当前节中的所有表格
    tables = section.Tables
    # 遍历当前节中的表格
    for i in range(0, tables.Count):
        # 获取表格对象
        table = tables.get_Item(i)
        # 用于存储当前表格数据的字符串
        tableData = ''
        # 遍历表格中的所有行
        for j in range(0, table.Rows.Count):
            # 遍历当前行中的所有单元格
            for k in range(0, table.Rows.get_Item(j).Cells.Count):
                # 获取单元格对象
                cell = table.Rows.get_Item(j).Cells.get_Item(k)
                # 用于存储单元格中的文本内容
                cellText = ''
                # 遍历单元格中的所有段落
                for para in range(cell.Paragraphs.Count):
                    paragraphText = cell.Paragraphs.get_Item(para).Text
                    cellText += (paragraphText + ' ')
                # 将单元格文本追加到表格数据字符串中
                tableData += cellText
                # 如果不是最后一个单元格，则添加制表符作为列分隔符
                if k < table.Rows.get_Item(j).Cells.Count - 1:
                    tableData += '\t'
            # 当前行结束后，添加换行符
            tableData += '\n'
    
        # 将表格数据保存为文本文件
        with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
            f.write(tableData)

# 关闭文档，释放资源
doc.Close()

代码详解

下面我们对核心代码逻辑进行逐步解析，帮助你更好地理解其工作原理。

1. 加载 Word 文档

python 复制代码

doc = Document()
doc.LoadFromFile("Input.docx")

这里创建了一个 Document 实例，并加载指定路径下的 Word 文件。Document 是 Spire.Doc 中表示整个 Word 文档的核心对。

2. 遍历文档中的 Section

python 复制代码

for s in range(doc.Sections.Count):
    section = doc.Sections.get_Item(s)

在 Word 中，文档可能由多个 Section 组成（例如分页、不同页眉页脚设置）。为了不遗漏任何表格，我们需要遍历所有 Section。

3. 获取并遍历表格

python 复制代码

tables = section.Tables
for i in range(0, tables.Count):
    table = tables.get_Item(i)

每个 Section 都可能包含多个表格。通过 section.Tables 可以直接获取该节中的所有表格对象。

4. 遍历行和单元格

python 复制代码

for j in range(0, table.Rows.Count):
    for k in range(0, table.Rows.get_Item(j).Cells.Count):
        cell = table.Rows.get_Item(j).Cells.get_Item(k)

表格由行和单元格组成。这里采用双层循环，确保按"行 → 列"的顺序读取数据，从而保持原有表格结构。

5. 读取单元格中的段落文本

python 复制代码

for para in range(cell.Paragraphs.Count):
    paragraphText = cell.Paragraphs.get_Item(para).Text
    cellText += (paragraphText + ' ')

一个单元格中可能包含多个段落（例如手动换行）。因此，需要遍历 cell.Paragraphs，并将所有段落文本拼接起来，确保内容完整。

6. 拼接表格数据

python 复制代码

tableData += cellText
tableData += '\t'
tableData += '\n'

使用 制表符（\t） 分隔列
使用 换行符（\n） 分隔行

这种格式非常适合后续转换为 Excel、CSV，或直接导入数据库。

7. 保存为文本文件

python 复制代码

with open(f'output/Tables/WordTable_{s+1}_{i+1}.txt', 'w', encoding='utf-8') as f:
    f.write(tableData)

每个表格都会被单独保存为一个文本文件，文件名中包含 Section 和 Table 的索引，便于区分来源。

应用场景拓展

基于本文示例代码，你可以轻松扩展到更多实际应用场景，例如：

将提取的表格数据转换为 CSV 或 Excel
自动解析 Word 报表并导入 数据库系统
批量处理合同或业务文档中的表格信息
与数据分析或 BI 工具进行对接

Spire.Doc for Python 提供的丰富 API，使这些扩展变得非常自然。

总结

本文介绍了如何使用 Spire.Doc for Python 从 Word 文档中自动提取表格内容，并将其保存为文本文件。通过对 Word 文档结构（Section、Table、Row、Cell、Paragraph）的逐层遍历，我们能够完整、准确地获取表格数据，并为后续的数据处理和自动化流程打下坚实基础。

如果你正在寻找一种 稳定、高效、无需依赖 Office 环境 的 Word 表格提取方案，那么 Spire.Doc for Python 无疑是一个值得考虑的选择。