# 基于Python實現Word文檔內容批量提取與Excel自動化存儲
## 引言
在日常辦公場景中，常需要從大量Word文檔中提取結構化數據并整理到Excel表格中。傳統手動操作效率低下，本文介紹如何通過Python實現自動化批處理，使用python-docx和openpyxl庫完成以下功能：
1. 批量讀取指定目錄下的Word文檔
2. 解析文檔中的文本、表格等內容
3. 按規則存儲到Excel文件
4. 實現高效準確的數據遷移
---
## 一、環境準備
### 1.1 安裝依賴庫
```bash
pip install python-docx openpyxl pandas
```
### 1.2 庫說明
- **python-docx**: 讀寫Word文檔
- **openpyxl**: 操作Excel文件
- **pandas**: 數據整理與導出
---
## 二、實現步驟
### 2.1 創建基礎框架
```python
import os
from docx import Document
import pandas as pd
def process_word_files(input_dir, output_file):
data = []
for filename in os.listdir(input_dir):
if filename.endswith('.docx'):
filepath = os.path.join(input_dir, filename)
doc_data = parse_word(filepath)
data.append(doc_data)
save_to_excel(data, output_file)
def parse_word(filepath):
# 解析邏輯
pass
def save_to_excel(data, output_file):
# 存儲邏輯
pass
```
### 2.2 文檔解析函數實現
```python
def parse_word(filepath):
doc = Document(filepath)
result = {
'filename': os.path.basename(filepath),
'paragraphs': [],
'tables': []
}
# 提取段落文本
for para in doc.paragraphs:
if para.text.strip():
result['paragraphs'].append(para.text)
# 提取表格數據
for table in doc.tables:
table_data = []
for row in table.rows:
row_data = [cell.text for cell in row.cells]
table_data.append(row_data)
result['tables'].append(table_data)
return result
```
### 2.3 Excel存儲函數優化
```python
def save_to_excel(data, output_file):
excel_data = []
for item in data:
# 處理段落數據
para_str = '\n'.join(item['paragraphs'])
# 處理表格數據
table_str = ''
for i, table in enumerate(item['tables'], 1):
table_str += f'Table {i}:\n'
table_str += '\n'.join([' | '.join(row) for row in table])
table_str += '\n\n'
excel_data.append({
'文件名': item['filename'],
'正文內容': para_str,
'表格內容': table_str.strip()
})
df = pd.DataFrame(excel_data)
df.to_excel(output_file, index=False)
```
---
## 三、高級處理技巧
### 3.1 結構化數據提取
```python
# 示例：提取帶特定樣式的文本
def extract_special_paragraphs(doc):
special_texts = []
for para in doc.paragraphs:
if para.style.name.startswith('Heading'):
special_texts.append({
'style': para.style.name,
'text': para.text
})
return special_texts
```
### 3.2 表格數據精準定位
```python
def extract_specific_table(doc, table_index=0):
try:
table = doc.tables[table_index]
return [[cell.text for cell in row.cells] for row in table.rows]
except IndexError:
return []
```
### 3.3 批量處理增強
```python
# 多線程處理加速
from concurrent.futures import ThreadPoolExecutor
def batch_process(files):
with ThreadPoolExecutor() as executor:
results = list(executor.map(parse_word, files))
return results
```
---
## 四、執行與測試
```python
if __name__ == '__main__':
input_folder = './documents'
output_file = './output.xlsx'
process_word_files(input_folder, output_file)
```
---
## 五、注意事項
1. 文件編碼統一保存為UTF-8
2. 處理復雜表格時建議添加邊界檢查
3. 使用try-except塊處理異常文檔
4. 大數據量時建議分批次寫入Excel
---
## 結論
本方案實現了從Word到Excel的自動化數據遷移，可處理數百文檔的批量操作。通過擴展解析邏輯，可適配各類文檔模板，結合正則表達式等工具還能實現更復雜的內容提取。最終代碼已開源在
