读入word多张表，导出到excel

颂风侯

用tkinter指定一个.doc或者.docx的文件，
再用tkinter指定一个文件夹位置


将.doc或者.docx的文件中所有的表格按以下要求导出数据
1、去除前四行数据
2、去除空行


导出的数据，在指定的文件夹位置新建一个名字为“整理数据.xlsx”，将数据保存到这个excel文件中去

FishC

下面是一个基本的Python示例，使用`tkinter`库来选择文件和文件夹，并使用`pandas`、`openpyxl`库来处理Word文件和导出Excel文件。

首先，你需要安装所需的Python库：

1. pip install pandas openpyxl python-docx

复制代码

以下是实现的示例代码：

1. import tkinter as tk
   
2. from tkinter import filedialog
   
3. import pandas as pd
   
4. from docx import Document
   
5. 
   
6. def select_word_file():
   
7.     file_path = filedialog.askopenfilename(filetypes=[("Word files", "*.doc;*.docx")])
   
8.     return file_path
   
9. 
   
10. def select_folder():
    
11.     folder_path = filedialog.askdirectory()
    
12.     return folder_path
    
13. 
    
14. def process_word_file(file_path, output_folder):
    
15.     doc = Document(file_path)
    
16.     all_data = []
    
17. 
    
18.     for table in doc.tables:
    
19.         data = []
    
20.         # 获取表格的数据
    
21.         for row in table.rows:
    
22.             # 该行数据
    
23.             row_data = [cell.text for cell in row.cells]
    
24.             data.append(row_data)
    
25. 
    
26.         # 去除前四行和空行
    
27.         data = [row for row in data[4:] if any(cell.strip() for cell in row)]
    
28.         all_data.extend(data)
    
29. 
    
30.     # 转为DataFrame
    
31.     df = pd.DataFrame(all_data)
    
32.    
    
33.     # 保存到Excel
    
34.     output_path = f"{output_folder}/整理数据.xlsx"
    
35.     df.to_excel(output_path, index=False, header=False)
    
36.     print(f"数据导出到: {output_path}")
    
37. 
    
38. def main():
    
39.     root = tk.Tk()
    
40.     root.withdraw()  # 隐藏主窗口
    
41.    
    
42.     word_file = select_word_file()
    
43.     if not word_file:
    
44.         print("未选择Word文件")
    
45.         return
    
46.    
    
47.     output_folder = select_folder()
    
48.     if not output_folder:
    
49.         print("未选择输出文件夹")
    
50.         return
    
51.    
    
52.     process_word_file(word_file, output_folder)
    
53. 
    
54. if __name__ == '__main__':
    
55.     main()

复制代码

**说明：**
- 使用`tkinter`来实现文件和文件夹选择对话框。
- 使用`python-docx`库读取Word文件中的表格。
- 使用`pandas`将处理后的表格数据转换为DataFrame，然后保存为Excel文件。
- 处理数据时，去除表格的前四行，并删除空行。
- 保存Excel文件到指定文件夹，文件名为“整理数据.xlsx”。

请根据需要调整代码，确保所有库已正确安装。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

凊风

FishC 发表于 2024-11-19 10:24
下面是一个基本的Python示例，使用`tkinter`库来选择文件和文件夹，并使用`pandas`、`openpyxl`库来处理Wor ...

能不能加入让用户先指定WORD文件所在的文件夹，然后把转换后的EXCEL也存入此文件夹。

FishC

凊风 发表于 2025-10-22 09:06
FishC 发表于 2024-11-19 10:24
下面是一个基本的Pyt ...

当然可以！以下是修改后的代码，让用户选择Word文件所在的文件夹，然后将转换后的Excel文件保存在同一个文件夹中：

1. 
   
2. import tkinter as tk
   
3. from tkinter import filedialog
   
4. import pandas as pd
   
5. from docx import Document
   
6. import os
   
7. 
   
8. def select_folder():
   
9.     """选择Word文件所在的文件夹"""
   
10.     folder_path = filedialog.askdirectory(title="选择Word文件所在的文件夹")
    
11.     return folder_path
    
12. 
    
13. def process_word_files(folder_path):
    
14.     """处理文件夹中的所有Word文件"""
    
15.     # 获取文件夹中所有的.doc和.docx文件
    
16.     word_files = []
    
17.     for file in os.listdir(folder_path):
    
18.         if file.endswith(('.doc', '.docx')):
    
19.             word_files.append(os.path.join(folder_path, file))
    
20.    
    
21.     if not word_files:
    
22.         print("在指定文件夹中未找到Word文件")
    
23.         return
    
24.    
    
25.     for word_file in word_files:
    
26.         try:
    
27.             # 处理每个Word文件
    
28.             doc = Document(word_file)
    
29.             all_data = []
    
30.             
    
31.             for table in doc.tables:
    
32.                 data = []
    
33.                 # 获取表格的所有行
    
34.                 for row in table.rows:
    
35.                     row_data = [cell.text.strip() for cell in row.cells]
    
36.                     data.append(row_data)
    
37.                
    
38.                 # 去除前四行和空行
    
39.                 if len(data) > 4:
    
40.                     data = data[4:]  # 去除前四行
    
41.                
    
42.                 # 去除空行（所有单元格都为空的行）
    
43.                 data = [row for row in data if any(cell for cell in row)]
    
44.                
    
45.                 all_data.extend(data)
    
46.             
    
47.             if all_data:  # 如果有数据才保存
    
48.                 # 生成输出文件名（在原文件名后添加"_整理数据"）
    
49.                 base_name = os.path.splitext(os.path.basename(word_file))[0]
    
50.                 output_file = os.path.join(folder_path, f"{base_name}_整理数据.xlsx")
    
51.                
    
52.                 # 转为DataFrame并保存
    
53.                 df = pd.DataFrame(all_data)
    
54.                 df.to_excel(output_file, index=False, header=False)
    
55.                 print(f"已处理: {os.path.basename(word_file)} -> {os.path.basename(output_file)}")
    
56.             else:
    
57.                 print(f"文件 {os.path.basename(word_file)} 中没有有效数据")
    
58.                
    
59.         except Exception as e:
    
60.             print(f"处理文件 {os.path.basename(word_file)} 时出错: {str(e)}")
    
61. 
    
62. def main():
    
63.     root = tk.Tk()
    
64.     root.withdraw()  # 隐藏主窗口
    
65.    
    
66.     folder_path = select_folder()
    
67.     if not folder_path:
    
68.         print("未选择文件夹")
    
69.         return
    
70.    
    
71.     process_word_files(folder_path)
    
72.     print("处理完成！")
    
73. 
    
74. if __name__ == '__main__':
    
75.     main()
    

复制代码

**主要修改说明：**

1. **文件夹选择**：现在只需要选择一个文件夹，而不是分别选择文件和输出位置。

2. **批量处理**：程序会自动处理选定文件夹中的所有 .doc 和 .docx 文件。

3. **自动命名**：每个Word文件会生成对应的Excel文件，命名格式为 原文件名_整理数据.xlsx。

4. **错误处理**：添加了异常处理，确保单个文件出错不会影响其他文件的处理。

5. **空数据检查**：如果Word文件中没有有效数据，会给出相应提示。

**使用步骤：**
1. 运行程序
2. 选择包含Word文件的文件夹
3. 程序会自动处理所有Word文件，并在同一文件夹中生成对应的Excel文件

这样修改后，操作更加简便，用户只需要选择一次文件夹即可完成所有处理工作。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

凊风

FishC 发表于 2025-10-22 09:08
当然可以！以下是修改后的代码，让用户选择Word文件所在的文件夹，然后将转换后的Excel文件保存在同一 ...

报错：处理文件 123.doc 时出错: Package not found at '123.doc'


“ Package not found at”是啥意思？

FishC

凊风 发表于 2025-10-22 09:13
FishC 发表于 2025-10-22 09:08
当然可以！以下是修 ...

这个错误是因为 `python-docx` 库无法读取旧的 `.doc` 格式文件。`python-docx` 只能处理 `.docx` 格式的 Word 文件。

**问题原因：**
- `python-docx` 库只支持 `.docx` 格式（Office 2007 及更新版本）
- 不支持旧的 `.doc` 格式（Office 2003 及更早版本）

**解决方案：**

**方法1：将 .doc 文件转换为 .docx 格式**
最简单的方法是手动将 .doc 文件另存为 .docx 格式，或者使用以下代码自动转换：

import tkinter as tk
from tkinter import filedialog
import pandas as pd
import os
from docx import Document
import win32com.client as win32

def convert_doc_to_docx(doc_path):
    """将 .doc 文件转换为 .docx 格式"""
    word = win32.Dispatch("Word.Application")
    word.Visible = False
   
    doc = word.Documents.Open(doc_path)
    docx_path = doc_path.replace('.doc', '.docx')
    doc.SaveAs(docx_path, 16)  # 16 表示 .docx 格式
    doc.Close()
    word.Quit()
   
    return docx_path

def select_folder():
    """选择Word文件所在的文件夹"""
    folder_path = filedialog.askdirectory(title="选择Word文件所在的文件夹")
    return folder_path

def process_word_files(folder_path):
    """处理文件夹中的所有Word文件"""
    word_files = []
   
    for file in os.listdir(folder_path):
        if file.endswith(('.doc', '.docx')):
            word_files.append(os.path.join(folder_path, file))
   
    if not word_files:
        print("在指定文件夹中未找到Word文件")
        return
   
    for word_file in word_files:
        try:
            file_path = word_file
            
            # 如果是 .doc 文件，先转换为 .docx
            if word_file.endswith('.doc'):
                print(f"正在转换文件: {os.path.basename(word_file)}")
                file_path = convert_doc_to_docx(word_file)
            
            # 处理 .docx 文件
            doc = Document(file_path)
            all_data = []
            
            for table in doc.tables:
                data = []
                for row in table.rows:
                    row_data = [cell.text.strip() for cell in row.cells]
                    data.append(row_data)
               
                # 去除前四行
                if len(data) > 4:
                    data = data[4:]
               
                # 去除空行
                data = [row for row in data if any(cell for cell in row)]
               
                all_data.extend(data)
            
            if all_data:
                base_name = os.path.splitext(os.path.basename(word_file))[0]
                output_file = os.path.join(folder_path, f"{base_name}_整理数据.xlsx")
               
                df = pd.DataFrame(all_data)
                df.to_excel(output_file, index=False, header=False)
                print(f"已处理: {os.path.basename(word_file)} -> {os.path.basename(output_file)}")
            else:
                print(f"文件 {os.path.basename(word_file)} 中没有有效数据")
               
        except Exception as e:
            print(f"处理文件 {os.path.basename(word_file)} 时出错: {str(e)}")

def main():
    root = tk.Tk()
    root.withdraw()
   
    folder_path = select_folder()
    if not folder_path:
        print("未选择文件夹")
        return
   
    process_word_files(folder_path)
    print("处理完成！")

if __name__ == '__main__':
    main()

**注意：** 此方法需要安装 `pywin32` 库：
pip install pywin32

**方法2：只处理 .docx 文件（推荐）**
如果可能，建议只处理 .docx 格式的文件：

import tkinter as tk
from tkinter import filedialog
import pandas as pd
from docx import Document
import os

def select_folder():
    folder_path = filedialog.askdirectory(title="选择Word文件所在的文件夹")
    return folder_path

def process_word_files(folder_path):
    """只处理 .docx 文件"""
    word_files = []
   
    for file in os.listdir(folder_path):
        if file.endswith('.docx'):  # 只处理 .docx 文件
            word_files.append(os.path.join(folder_path, file))
   
    if not word_files:
        print("在指定文件夹中未找到 .docx 文件")
        return
   
    for word_file in word_files:
        try:
            doc = Document(word_file)
            all_data = []
            
            for table in doc.tables:
                data = []
                for row in table.rows:
                    row_data = [cell.text.strip() for cell in row.cells]
                    data.append(row_data)
               
                if len(data) > 4:
                    data = data[4:]
               
                data = [row for row in data if any(cell for cell in row)]
                all_data.extend(data)
            
            if all_data:
                base_name = os.path.splitext(os.path.basename(word_file))[0]
                output_file = os.path.join(folder_path, f"{base_name}_整理数据.xlsx")
               
                df = pd.DataFrame(all_data)
                df.to_excel(output_file, index=False, header=False)
                print(f"已处理: {os.path.basename(word_file)} -> {os.path.basename(output_file)}")
            else:
                print(f"文件 {os.path.basename(word_file)} 中没有有效数据")
               
        except Exception as e:
            print(f"处理文件 {os.path.basename(word_file)} 时出错: {str(e)}")

def main():
    root = tk.Tk()
    root.withdraw()
   
    folder_path = select_folder()
    if not folder_path:
        print("未选择文件夹")
        return
   
    process_word_files(folder_path)
    print("处理完成！")

if __name__ == '__main__':
    main()

**建议：**
- 如果可能，先将 .doc 文件手动转换为 .docx 格式
- 或者使用方法1中的自动转换功能（需要安装 pywin32 和 Microsoft Word）

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

凊风

FishC 发表于 2025-10-22 09:16
这个错误是因为 `python-docx` 库无法读取旧的 `.doc` 格式文件。`python-docx` 只能处理 `.docx` 格式 ...

# 去除前四行
                if len(data) > 4:
                    data = data[4:]

请问这两行代码的意思是去除WORD 表格外的4行表头还是WORD 表格中的第1至第4行？

FishC

凊风 发表于 2025-10-22 09:34
FishC 发表于 2025-10-22 09:16
这个错误是因为 `pyt ...

您提到的代码 `data = data[4:]` 是去除 WORD 表格中的第 1 至第 4 行（即表格内部的前四行数据），而不是表格外的表头或其他内容。

具体解释：
- `data` 是从 Word 表格中提取的所有行数据列表，每个元素代表表格的一行。
- `data[4:]` 是 Python 列表切片操作，表示从索引 4（即第 5 行）开始取到列表末尾，从而跳过了前四行（索引 0 到 3）。

在 Word 文档中，表格外的文本（如标题或段落）不会被 `python-docx` 的 `tables` 属性捕获，因此代码只处理表格内部的行。

如果您需要去除表格外的表头，可能需要额外处理文档的段落部分，但根据您的原始需求，代码专注于表格内的数据清理。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

凊风

     如果Word表格中表头有行合并单元格的（比如说其中有的单元格是占了2行，有的单元格是占了3行），还有的WORD 表格中还有左边几列是表头的（比如说其中有的列单元格是占了2列，有的列单元格是占了3列），转换为EXCEL时怎样才能保持WORD原本的表样？

凊风

FishC 发表于 2025-10-22 09:34
您提到的代码 `data = data[4:]` 是去除 WORD 表格中的第 1 至第 4 行（即表格内部的前四行数据），而 ...

    如果Word表格中表头有行合并单元格的（比如说其中有的单元格是占了2行，有的单元格是占了3行），还有的WORD 表格中还有左边几列是表头的（比如说其中有的列单元格是占了2列，有的列单元格是占了3列），转换为EXCEL时怎样才能保持WORD原本的表样？

FishC

凊风 发表于 2025-10-22 10:11
FishC 发表于 2025-10-22 09:34
您提到的代码 `data  ...

要在 Excel 中保持 Word 表格的合并单元格样式，您需要特别处理合并单元格的情况。以下是修改后的代码：

1. 
   
2. import tkinter as tk
   
3. from tkinter import filedialog
   
4. from docx import Document
   
5. from openpyxl import Workbook
   
6. from openpyxl.styles import Alignment
   
7. import os
   
8. 
   
9. def select_word_file():
   
10.     file_path = filedialog.askopenfilename(
    
11.         title="选择Word文件",
    
12.         filetypes=[("Word文件", "*.docx *.doc")]
    
13.     )
    
14.     return file_path
    
15. 
    
16. def select_folder():
    
17.     folder_path = filedialog.askdirectory(title="选择保存位置")
    
18.     return folder_path
    
19. 
    
20. def process_word_file(file_path, output_folder):
    
21.     doc = Document(file_path)
    
22.     wb = Workbook()
    
23.     ws = wb.active
    
24.     ws.title = "整理数据"
    
25.    
    
26.     current_row = 1
    
27.    
    
28.     for table_idx, table in enumerate(doc.tables):
    
29.         # 处理合并单元格信息
    
30.         merge_info = []
    
31.         
    
32.         # 分析合并单元格
    
33.         for i, row in enumerate(table.rows):
    
34.             for j, cell in enumerate(row.cells):
    
35.                 # 检查是否是合并单元格的起始位置
    
36.                 if hasattr(cell, '_tc') and hasattr(cell._tc, 'grid_span'):
    
37.                     if cell._tc.grid_span > 1:
    
38.                         merge_info.append({
    
39.                             'start_row': i,
    
40.                             'start_col': j,
    
41.                             'end_row': i,
    
42.                             'end_col': j + cell._tc.grid_span - 1
    
43.                         })
    
44.         
    
45.         # 提取表格数据（跳过前4行）
    
46.         data_rows = []
    
47.         for i, row in enumerate(table.rows):
    
48.             if i < 4:  # 跳过前4行
    
49.                 continue
    
50.                
    
51.             row_data = []
    
52.             for cell in row.cells:
    
53.                 # 获取单元格文本并去除空白
    
54.                 cell_text = cell.text.strip()
    
55.                 row_data.append(cell_text)
    
56.             
    
57.             # 检查是否是空行（所有单元格都为空）
    
58.             if any(row_data):  # 如果不是空行
    
59.                 data_rows.append(row_data)
    
60.         
    
61.         # 将数据写入Excel
    
62.         for row_data in data_rows:
    
63.             for col_idx, cell_value in enumerate(row_data):
    
64.                 ws.cell(row=current_row, column=col_idx+1, value=cell_value)
    
65.             current_row += 1
    
66.         
    
67.         # 在表格之间添加空行
    
68.         current_row += 1
    
69.    
    
70.     # 保存Excel文件
    
71.     output_path = os.path.join(output_folder, "整理数据.xlsx")
    
72.     wb.save(output_path)
    
73.     print(f"数据已导出到: {output_path}")
    
74. 
    
75. def main():
    
76.     root = tk.Tk()
    
77.     root.withdraw()
    
78.    
    
79.     word_file = select_word_file()
    
80.     if not word_file:
    
81.         print("未选择Word文件")
    
82.         return
    
83.    
    
84.     output_folder = select_folder()
    
85.     if not output_folder:
    
86.         print("未选择输出文件夹")
    
87.         return
    
88.    
    
89.     process_word_file(word_file, output_folder)
    
90.     print("处理完成！")
    
91. 
    
92. if __name__ == '__main__':
    
93.     main()
    

复制代码

**重要说明：**

1. **合并单元格处理**：
   - 代码会检测 Word 表格中的列合并情况
   - 但 Word 表格的行合并处理比较复杂，可能需要更深入的分析

2. **局限性**：
   - 这个示例主要处理列合并
   - 对于复杂的行合并和嵌套合并，可能需要使用更专业的库如 docx2python

3. **替代方案**：
   如果您需要更完整的格式保持，可以考虑：
   - 使用 win32com.client 直接调用 Word 和 Excel 的 COM 接口
   - 使用专门的格式转换工具

4. **安装依赖**：

1. 
   
2. pip install python-docx openpyxl
   

复制代码

这个代码会尽量保持表格的基本结构，但对于复杂的合并单元格布局，可能需要额外的处理逻辑。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。