使用Python读取word文件里的表格信息

在企查查查询企业信息的时候，得到了一些word文件，里面有些控股企业的数据放在表格里，需要我们将其提取出来。

word文件看起来很复杂，不方便进行结构化。实际上，一个word文档中大概有这么几种类型的内容：paragraph（段落），table（表格），character（字符）。我现在要解析的word文档中，基本都是段落和表格，本文主要来讲一下如何从word中解析出表格，并将表格信息进行结构化。

要想使用python解析word文件，我们可以使用包docx，首先我们需要安装它。

pip install python-docx

安装完成后，我们需要读取word文件，代码大致如下：

import docx
from docx import Document

docFile = '国家电网有限公司.docx'
document = Document(docFile) #读入文件
tables = document.tables #获取文件中的表格集

上面的代码中，tables已经是word文件中所有的table构成的list，我要寻找的表格2.6是word文件中的第9个table，可以这样读取。

table = tables[8]#获取文件中的第9个表格 
for i in range(1, len(table.rows)):#从表格第二行开始循环读取表格数据 
    idNum = table.cell(i,0).text #序号 
    companyName = table.cell(i,1).text #控股企业名称 
    investmentRate = table.cell(i,2).text #投资比例 
    stock= table.cell(i,3).text #股权链

这里已经将表2.6的每一列每一行遍历啦，之后可以将抽取出来的4个参数写到CSV或插入数据库中。