如何提取 Word 文档中的表格并导出为 Excel（Python 教程）

在日常办公或数据处理任务中，我们经常需要将 Word 文档里分散的表格汇总到 Excel 中进行计算或分析。面对几十页甚至上百页的文档，手动复制+粘贴不仅效率低下，且极易出现单元格错位、格式丢失等问题。本文将带你探索如何利用 Python 实现数据从 Word 到 Excel 的自动化迁移。

为什么选择自动化方案？常见技术方案对比

在处理 Word 表格导出任务时，开发者有多种选择，比如手动复制、使用 VBA 等等。我们需要根据业务场景、开发成本以及处理效果来找到最适合的：

手动复制粘贴：适用于处理极少量的单一表格。缺点在于无法保持长文本的段落格式，且在处理含有合并单元格的复杂表格时，数据容易发生偏移。
VBA (Visual Basic for Applications)：Office 自带的脚本语言，可以快速将 Word 中的表格导出。虽然无需安装第三方库，但其语法陈旧、调试困难，且高度依赖 Microsoft Office 环境，无法在没有安装 Office 的服务器或 Linux 环境上运行，具有一定的设备局限性。
开源 Python 库（如 python-docx）：这类工具灵活性高，但在处理复杂格式（如嵌套表格、复杂的行列跨度映射）时，往往需要编写大量底层逻辑代码，开发成本较高，需要具备一定的编程知识。
专业类库（Spire 系列组件） ：功能强大、API 简单易懂。它最大的优势在于独立性 （无需安装 Office）和高集成度。它将复杂的 Word DOM 结构映射与 Excel 坐标系转换进行了底层封装，开发者只需通过简单的 API 调用，就可以精准保留原文档的逻辑结构和文本格式。

方案对比表：

维度	手动操作	VBA 宏	开源 Python 库	Spire 系列专业组件
执行效率	极低	中	高	极高
环境依赖	需人工参与	需安装 Office	需配置多种依赖	独立运行（零依赖）
合并单元格支持	差（易乱序）	较好	一般（需自行实现逻辑）	完美支持
复杂场景适配	难	较难	难	易（API 高级封装）

综合来看，对于追求高效率和系统稳定性的企业级开发，使用 Spire.Doc for Python 配合 Spire.XLS for Python 是当前最优的实战选型。

环境准备

在开始编写脚本之前，请确保你的 Python 环境中已安装相关组件。这两个库分别负责解析 Word 的流式文档结构和构建 Excel 的行列坐标体系：

bash 复制代码

pip install Spire.Doc
pip install Spire.XLS

你可以分别安装 Word 和 Excel 组件，也可以直接安装 Spire.Office for Python，它包含了 Spire.Doc for Python，Spire.XLS for Python，Spire.Presentation for Python 和 Spire.PDF for Python。此外所有组件都提供免费版用于小项目或测试。

如何构建 Python 导出表格的代码

为了让你更清晰地理解 Spire.Doc 和 Spire.XLS 导出 Word 表格的逻辑，我们将整个实现过程拆解为以下核心步骤：

1. 引入必要的类库

首先，我们需要在脚本开头引入 Spire 的核心模块。通过引入 spire.doc 和 spire.xls 及其通用常量模块，我们才能在 Python 中调用其封装好的文档处理引擎，从而实现对 Word DOM 树的解析和 Excel 工作簿的构建。

python 复制代码

from spire.doc import *
from spire.doc.common import *
from spire.xls import *
from spire.xls.common import *
import os

2. 初始化对象与加载源文件

分别创建 Document 和 Workbook 对象。随后，使用 LoadFromFile 方法加载待处理的源 Word 文档，并调用 Worksheets.Clear() 移除工作簿中默认生成的空白表，以确保输出结果不受默认工作表的干扰。

python 复制代码

# 创建 Word 文档对象并加载文件
document = Document()
document.LoadFromFile("E:/input/项目进度.docx")

# 创建 Excel 工作簿并清空默认工作表
workbook = Workbook()
workbook.Worksheets.Clear()

3. 遍历 Word 文档多层级结构

Word 的数据存储具有明显的层级性（Section > Table > Row > Cell）。我们需要使用嵌套循环依次遍历文档中的 Section (节) 和 Table (表格) 。对于每一个发现的表格，我们通过 workbook.Worksheets.Add() 动态创建一个工作表，并通过 sheet_index 实现自动命名，确保一表一页。

python 复制代码

sheet_index = 0
for s in range(document.Sections.Count):
    section = document.Sections.get_Item(s)
    tables = section.Tables

    for t in range(tables.Count):
        table = tables.get_Item(t)
        # 动态创建工作表并递增索引
        sheet = workbook.Worksheets.Add(f"Table_{sheet_index + 1}")
        # ... (后续数据提取)
        sheet_index += 1

4. 提取单元格文本与格式映射

由于 Word 单元格内可能包含多个段落，所以我们需要遍历 Paragraphs 集合并手动拼接换行符 \n，以保留文本的原始换行结构。最后，通过 Style.WrapText = True 开启 Excel 的自动换行功能。

python 复制代码

# 遍历行与列
for r in range(table.Rows.Count):
    row = table.Rows.get_Item(r)
    for c in range(row.Cells.Count):
        cell = row.Cells.get_Item(c)
        
        cell_text = ""
        for p in range(cell.Paragraphs.Count):
            paragraph = cell.Paragraphs.get_Item(p)
            cell_text += paragraph.Text.strip() + "\n"

        # 写入 Excel 坐标并设置换行
        sheet.Range[r + 1, c + 1].Text = cell_text.strip()
        sheet.Range[r + 1, c + 1].Style.WrapText = True

5. 自动化布局优化与资源释放

数据填充完成后，利用 AutoFitColumns() 和 AutoFitRows() 方法让程序自动根据内容调整列宽和行高。最后释放内存，确保系统资源回收。

完整代码示例

将上述的步骤整合，即可得到这个高效的 Word 表格导出脚本：

python 复制代码

from spire.doc import *
from spire.doc.common import *
from spire.xls import *
from spire.xls.common import *
import os

# 创建 Word 文档对象并加载文件
document = Document()
document.LoadFromFile("/input/项目进度.docx")

# 创建 Excel 工作簿并删除默认工作表
workbook = Workbook()
workbook.Worksheets.Clear()

# 遍历 Word 文档中的所有节
sheet_index = 0

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

    # 获取当前节中的所有表格
    tables = section.Tables

    for t in range(tables.Count):

        # 获取当前表格
        table = tables.get_Item(t)
        # 新建工作表
        sheet = workbook.Worksheets.Add(f"Table_{sheet_index + 1}")

        # 遍历表格行
        for r in range(table.Rows.Count):
            row = table.Rows.get_Item(r)

            # 遍历单元格
            for c in range(row.Cells.Count):
                cell = row.Cells.get_Item(c)

                # 提取单元格中的文本
                cell_text = ""
                for p in range(cell.Paragraphs.Count):
                    paragraph = cell.Paragraphs.get_Item(p)
                    cell_text += paragraph.Text.strip() + "\n"

                # 去除末尾换行
                cell_text = cell_text.strip()

                # 写入 Excel 单元格
                sheet.Range[r + 1, c + 1].Text = cell_text
                # 设置自动换行
                sheet.Range[r + 1, c + 1].Style.WrapText = True

        # 自动调整列宽行高
        sheet.AllocatedRange.AutoFitColumns()
        sheet.AllocatedRange.AutoFitRows()
        sheet_index += 1

# 保存为 Excel 文件
workbook.SaveToFile("/output/word表格.xlsx", ExcelVersion.Version2016)
document.Close()
workbook.Dispose()

下面是原始 Word 文档与提取到的表格的对比示意图：

结语

通过 Python 结合 Spire.Doc 与 Spire.XLS 库，我们仅需几十行代码就能解决复杂的文档数据提取难题。这种方案不仅保留了原始数据的段落结构，还通过自动化布局极大提升了结果文件的可用性。如果你正在处理大批量的文档自动化工作，不妨尝试这种更专业、更稳健的开发路径。