使用 C# 提取 Word 文档中的表格数据

工具与环境准备

要实现 Word 表格提取，我们需要以下工具和组件：

• 开发环境：Visual Studio（2022/2019 等）或任意 C# 开发工具
• 第三方库：Free Spire.Doc（用于解析 Word 文档结构，处理表格数据）

Free Spire.Doc 是一个免费的 Word 文档处理库，支持读取、编辑、生成 Word 文档，尤其对表格、段落等元素的处理非常便捷。可以通过 NuGet 包管理器 安装它：

Install-Package FreeSpire.Doc

或者在项目中右键"管理 NuGet 包"，搜索 Spire.Doc 并安装。

⚠️ 注意：免费版单文档最多支持 25 个表格，适用于学习、测试和小型业务场景

---

提取 Word 表格实现思路

从 Word 中提取表格的核心思路是 逐层解析文档结构：

1. 加载 Word 文档，获取文档对象
2. 遍历文档中的"节（Section）"（Word 文档的基本结构单位）
3. 在每个节中获取表格集合，遍历所有表格
4. 对每个表格，逐行、逐单元格提取文本内容
5. 将提取的表格数据按格式（制表符分隔）保存到文本文件

---

完整代码

using Spire.Doc;
using Spire.Doc.Collections;
using Spire.Doc.Interface;
using System.IO;
using System.Text;

namespace ExtractWordTable
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // 创建文档对象
            Document doc = new Document();
            // 加载Word文档
            doc.LoadFromFile("表格.docx");

            // 遍历文档中的所有节
            for (int sectionIndex = 0; sectionIndex < doc.Sections.Count; sectionIndex++)
            {
                Section section = doc.Sections[sectionIndex];

                // 获取当前节中的所有表格
                TableCollection tables = section.Tables;

                // 遍历当前节中的所有表格
                for (int tableIndex = 0; tableIndex < tables.Count; tableIndex++)
                {
                    ITable table = tables[tableIndex];

                    // 用于存储当前表格的所有数据
                    string tableData = "";

                    // 遍历表格中的所有行
                    for (int rowIndex = 0; rowIndex < table.Rows.Count; rowIndex++)
                    {
                        TableRow row = table.Rows[rowIndex];
                        // 遍历行中的所有单元格
                        for (int cellIndex = 0; cellIndex < row.Cells.Count; cellIndex++)
                        {
                            TableCell cell = row.Cells[cellIndex];

                            // 提取单元格文本（单元格可能包含多个段落）
                            string cellText = "";
                            for (int paraIndex = 0; paraIndex < cell.Paragraphs.Count; paraIndex++)
                            {
                                cellText += (cell.Paragraphs[paraIndex].Text.Trim() + " ");
                            }

                            // 拼接单元格文本，用制表符分隔不同单元格
                            tableData += cellText.Trim();
                            if (cellIndex < row.Cells.Count - 1)
                            {
                                tableData += "\t";
                            }
                        }

                        // 行结束后换行
                        tableData += "\n";
                    }

                    // 保存表格数据到文本文件）
                    string filePath = Path.Combine("Tables", $"Section{sectionIndex + 1}_Table{tableIndex + 1}.txt");
                    File.WriteAllText(filePath, tableData, Encoding.UTF8);
                }
            }

            doc.Close();
        }
    }
}

---

代码核心逻辑解析

① 遍历文档结构

Word 文档的逻辑结构是：Document → Section → Table → Row → Cell。

• 节（Section） ：一个文档可以有多个节（如不同页码格式、页眉页脚的区域）。通过 doc.Sections 获取。
• 表格（Table） ：每个节可以包含多个表格，通过 section.Tables 获取。

② 提取单元格文本

单元格 TableCell 内部可能包含多个段落（Paragraph），每个段落可能有不同的格式（加粗、颜色等）。我们只需提取纯文本内容：

• 遍历 cell.Paragraphs，获取每个段落的 Text
• 使用 Trim() 去除段落首尾空白，避免多余换行。
• 多个段落之间用空格连接，保证可读性。

③ 保存为文本文件

• 每个表格单独保存为一个 .txt 文件，文件名包含节索引和表格索引，便于区分。
• 单元格之间用 制表符 \t 分隔，行末添加换行符。这种格式可直接复制到 Excel 中粘贴，或者被其他数据分析工具读取。

---

实用扩展方向

基于本文代码，可以轻松扩展以下功能：

1. 导出为 Excel 文件（使用 Free Spire.XLS）

using Spire.Xls;
// 将 tableData 的二维数组写入 Workbook

2. 批量处理多个 Word 文档

string[] files = Directory.GetFiles(@"C:\Docs", "*.docx");
foreach (string file in files)
{
    doc.LoadFromFile(file);
    // ... 提取逻辑
}

3. 文本清洗与格式化

• 去除特殊符号（如 \r, \n 替换为空格）
• 统一数字格式（如货币符号、百分比）
• 使用正则表达式过滤无关字符

4. 直接导入数据库