如何从docx文件中的表中提取数据并将其转换为数据框阿拉伯数据

问题描述

我正在尝试从Word文件.docx的表中提取数据，并使用python将其转换为数据框。 注意：它是阿拉伯文字，所以我正在使用编码（“ utf-8”）

直到现在，我仍然可以获取.docx文件并获取表（具有13列），但是我无法显示文本。

我的代码中的错误在哪里？

代码：

import pandas as pd
import docx
        
         
document = docx.Document(path)
table = document.tables[0]
print(table)
        
data = []
        
for row in table.rows:    
    text = (row.cells[0].paragraphs[0].text.encode('utf-8'))
    data.append(text)
    print(data)
    
    
df = pd.DataFrame(data)

结果：

[b'']
[b'',b'']
[b'',b'',b'\xd8\xa7\xd9\x84\xd8\xb3\xd9\x84\xd8\xb7\xd8\xa7\xd8\xaa']
[b'',b'\xd8\xa7\xd9\x84\xd8\xb3\xd9\x84\xd8\xb7\xd8\xa7\xd8\xaa',b'\xd9\x81\xd8\xb1\xd8\xb9\xd8\xa7\xd9\x84\xd8\xaa\xd8\xad\xd9\x84\xd9\x8a\xd9\x84\xc2\xa0\n\n\n\n\n\n\n\n\n\n\n\n\n']
[b'',b'\xd9\x81\xd8\xb1\xd8\xb9\xd8\xa7\xd9\x84\xd8\xaa\xd8\xad\xd9\x84\xd9\x8a\xd9\x84\xc2\xa0\n\n\n\n\n\n\n\n\n\n\n\n\n',b'']

解决方法

首先，您应该删除.encode('utf-8')，这就是为什么结果不可读的原因。

---

第二，您只访问每一行的第一列（row.cells[0]）。

您需要添加另一个for loop来浏览各列，如下所示：

for row_index,row in enumerate(table.rows):
    data.append([])
    for col_index in range(13): # Loop through columns 
        cell_text= row.cells[col_index].paragraphs[0].text
        data[row_index].append(cell_text)