python - python-docx 从段落中获取表格

Question

我有 .docx 文件，其中包含许多段落和表格，例如：

1. 标准杆 1
   • 表格1
   • 表2
   • 表3

2. 标准杆2

   • 表格1
   • 表2

   2.1 21 杆

   • 表格1
   • 表2

我需要迭代所有对象并制作字典，可能是 json 格式，例如：

   {par1: [table1, table2, table3], par2[table1,table2, {par21: [table1,table2]} ] }

    从 docx.api 导入文档

    文件名 = 'test.docx'
    文档=文档（docx=文件名）
    对于 document.tables 中的表格：
        打印表

    对于 document.paragraphs 中的段落：
        打印段落.文本

如何关联每个段落和表格？

你能提出一些建议吗？

Answer 1

from docx import Document
from docx.document import Document as _Document
from docx.oxml.text.paragraph import CT_P
from docx.oxml.table import CT_Tbl
from docx.table import _Cell, Table
from docx.text.paragraph import Paragraph
def iter_block_items(parent):
"""
Generate a reference to each paragraph and table child within *parent*,
in document order. Each returned value is an instance of either Table or
Paragraph. *parent* would most commonly be a reference to a main
Document object, but also works for a _Cell object, which itself can
contain paragraphs and tables.
"""
if isinstance(parent, _Document):
    parent_elm = parent.element.body
elif isinstance(parent, _Cell):
    parent_elm = parent._tc
elif isinstance(parent, _Row):
    parent_elm = parent._tr
else:
    raise ValueError("something's not right")
for child in parent_elm.iterchildren():
    if isinstance(child, CT_P):
        yield Paragraph(child, parent)
    elif isinstance(child, CT_Tbl):
        yield Table(child, parent)
document = Document('test.docx')
for block in iter_block_items(document):

#print(block.text if isinstance(block, Paragraph) else '<table>')
if isinstance(block, Paragraph):
    print(block.text)
elif isinstance(block, Table):
    for row in block.rows:
        row_data = []
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                row_data.append(paragraph.text)
        print("\t".join(row_data))

Answer 2

不确定我是否在帮助，但这是我的做法

def printTables(doc):
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                for paragraph in cell.paragraphs:
                    print(paragraph.text)
                printTables(cell)

Answer 3

在 python-docx 库上还没有实现这样的方法，但是有一种解决方法可以按照它们出现的顺序遍历 docx 的所有元素：https ://github.com/python-openxml/python-docx /问题/40

您可以尝试遍历所有这些并检查对象是否是表格或段落的实例，并以此为基础。