Извлечение заголовка таблицы из Word (.docx) с использованием Python

У меня есть документ Word (.docx) с заголовками и соответствующими таблицами под заголовками, как показано ниже:

1.1.1.1 Table_Title_001

Name        Gautham

College     Oxford

University  Cambridge

1.1.1.2 Table_Title_002

Name        Krishnan

College     Harvard

University  Stanford

Есть ли способ извлечь заголовок каждой таблицы с помощью Python? Документация для win32com или python-docx не очень ясна по этому поводу.


python win32com python-docx
person gautham    schedule 11.04.2016    source источник
comment
Установлен ли Word на машине, на которой работает программа? Или вы ищете решение, которое могло бы работать, например, на сервере Linux?   -  person Doc Brown    schedule 11.04.2016
comment
@Doc Brown Word установлен на моем компьютере. Я ожидаю некоторой помощи в извлечении заголовка таблицы с использованием любых внешних модулей Python, таких как API win32com.client или Python-docx. Заранее спасибо.   -  person gautham    schedule 11.04.2016
comment
Тогда ваша общая стратегия должна быть следующей: google о том, как делать то, что вы хотите, в VBA. Перенесите решение на Python с помощью win32com (см. документы .activestate.com / activepython / 2.4 / pywin32 / html / com / win32com /). Обратите внимание: COM API Word и API VBA почти идентичны.   -  person Doc Brown    schedule 11.04.2016
comment
Спасибо, @Doc Brown, я сделал то же самое, и теперь это вроде работает. Экспериментируйте с разными API Win32com, и, как вы сказали, они очень идентичны API VBA.   -  person gautham    schedule 12.04.2016

Ответы (2)


arrow_upward
2
arrow_downward

У меня сейчас нет Windows, поэтому я не могу протестировать его локально, но в таблицах Word есть Свойство Title, которое, похоже, именно то, что вы ищете.

Используя win32com, это будет выглядеть примерно так:

from win32com import client
word = client.Dispatch("Word.Application")
document = word.Documents.Open(path_to_docx)

titles = [table.Title for table in document.Tables]
person magni-    schedule 11.04.2016
comment
Этот ответ не очень полезен, если в нем не указано, какая технология или модуль используется для доступа к словесному документу. Используется ли автоматизация COM (для которой требуется установка Word)? Или python-docx? Или что-то совсем другое? - person Doc Brown; 11.04.2016
comment
Я хотя OP использовал win32com, но вы правы, я отредактирую свой ответ, чтобы добавить ясности. - person magni-; 11.04.2016
comment
Свойство Word Table.Title было бесполезным (я не мог понять его даже после прочтения, но я использовал ListParagraphs с клиентом win32com, чтобы добиться того же! Тем не менее, благодарю за вашу помощь @ magni- - person gautham; 12.04.2016
comment
Ах, это были заголовки абзацев, а не заголовки таблиц? - person magni-; 12.04.2016
comment
Да, если эти заголовки пронумерованы как 1.1.1, 1.1.2, они на самом деле являются ListParagraphs! - person gautham; 12.04.2016
comment
И ListParagraphs не учитывает заголовки с одинаковыми номерами, если они также присутствуют в Оглавлении, а это именно то, что я хотел :) - person gautham; 12.04.2016

arrow_upward
0
arrow_downward

Используя python-docx, они очень легко читаются. В python-docx это не заголовки, а абзацы. Для начала я бы порекомендовал заглянуть на этот сайт, чтобы вы поняли, как он работает.

from docx import Document
doc = Document("wordfile.docx")
for para in doc.paragraphs:
     print(para.text)

Это распечатает каждый абзац в текущем документе. Если в вашем файле есть только заголовки и таблицы, это подойдет вам.

person Mark Cuddihy    schedule 26.04.2016