Python将word表格存入excel —— 格式化pg参数手册

一、背景

收到一份《PostgreSQL13商用文档之PG参数参考手册》，打算学习一下，打开文档一看，151页T_T。参数虽然有分类，但不太有规律，word文档格式如下：

个人觉得如果用excel来存这个表格，并且按分类来排序或者分sheet，查阅或者学习会更方便。

由于参数实在太多，靠手工复制这个周末就不要了，之前学爬虫的时候学习了Python操作excel，想必它也能操作word，于是找文章学习了一会。

二、整体思路

1. 格式化文档

手动去掉不需要的段落及换行符，替换完的文档长这样

2. 程序操作

pip安装 python-docx（注意不是docx，否则会报错）和openpyxl 两个模块
获取每一个参数类别（这里就是word的每个段落内容）

from docx import Document# 实例化word文档
doc = Document(r'D:\postgresql\PG13参数参考手册.docx')for paragraph in doc.paragraphs:print(paragraph.text)

给每个表格加一行，存入上面的参数类别（格式化后），保存word文档。注意程序修改word文档的时候本地不要打开这个文档，否则会报错。

from docx import Document# 格式化word文档，word表格新增一行，保存参数分类doc = Document(r'D:\postgresql\PG13参数参考手册.docx')i=0
type_list=[]
for paragraph in doc.paragraphs:type_list.append(paragraph.text)for table in doc.tables:# 第一次执行时要打开该注释# table.add_row()table.cell(-1,0).text = "参数分类"# 截取内容部分，去掉编号,.,--等，去掉头尾空格table.cell(-1,1).text=type_list[i].split(".")[-1].split("--")[-1].strip()i=i+1doc.save(r'D:\postgresql\PG13参数参考手册.docx')

获取word表格第二列的每一行，存入一个list
将每个list append到excel，保存即可。也注意程序修改excel文档的时候本地不要打开这个文档，否则会报错。

from docx import Document
from openpyxl import Workbook# 实例化word文档
doc = Document(r'D:\postgresql\PG13参数参考手册.docx')# word表格存入excel# 实例化excel文档
wb = Workbook()# 获取当前sheet
sheet = wb.active# 设立表头
header = ['参数名称', '数据类型', '默认值', '取值范围', '参数单位', '参数含义','是否可session级修改','修改后何时生效','参数分类']
sheet.append(header)# 取每个表格第二列的值
for table in doc.tables:row_list = []for i in range(len(table.rows)):row_list.append(table.cell(i,1).text)sheet.append(row_list)wb.save(r'D:\postgresql\PG13参数参考手册.xlsx')

两三秒它就跑完了~ 执行结果如下：

3. excel格式化

简单调整下excel格式，按参数分类排序即可

三、实现代码

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# @Time  : 2022-07-08 23:57
# @Author: Hehuyi_In
# @File  : word_to_excel.pyfrom docx import Document
from openpyxl import Workbook# 格式化word文档，word表格新增一行，保存参数分类# 实例化word文档
doc = Document(r'D:\postgresql\PG13参数参考手册.docx')i=0
type_list=[]
for paragraph in doc.paragraphs:type_list.append(paragraph.text)for table in doc.tables:# 第一次执行时要打开该注释# table.add_row()table.cell(-1,0).text = "参数分类"# 截取内容部分，去掉编号,.,--等，去掉头尾空格table.cell(-1,1).text=type_list[i].split(".")[-1].split("--")[-1].strip()i=i+1doc.save(r'D:\postgresql\PG13参数参考手册.docx')# word表格存入excel# 实例化excel文档
wb = Workbook()
# 获取当前sheet
sheet = wb.active# 设立表头
header = ['参数名称', '数据类型', '默认值', '取值范围', '参数单位', '参数含义','是否可session级修改','修改后何时生效','参数分类']
sheet.append(header)# 输出表格中每行每列的值
# for table in doc.tables:
#     for i in range(len(table.rows)):
#         for j in range(len(table.columns)):
#                 print(table.cell(i,j).text)# 实际只需要每个表格第二列的值，因此修改一下
for table in doc.tables:row_list = []for i in range(len(table.rows)):row_list.append(table.cell(i,1).text)sheet.append(row_list)wb.save(r'D:\postgresql\PG13参数参考手册.xlsx')

参考

《PostgreSQL13商用文档之PG参数参考手册》

python提取word内容并写入excle_lau_jw的博客-CSDN博客_python读取word数据写入excel

别再问我Python怎么操作Word了！

多图+代码 | 详解Python操作Excel神器openpyxl的各种操作！

如何利用Python批量将Word中的信息提取到Excel？_俊红的数据分析之路的博客-CSDN博客

Python3-word文档操作（五）：利用python修改word文档中的表格数据_liranke的博客-CSDN博客_python处理word表格