✨重磅！盹猫的个人小站正式上线啦～诚邀各位技术大佬前来探秘！✨
这里有：
- 硬核技术干货：编程技巧、开发经验、踩坑指南，带你解锁技术新姿势！
- 趣味开发日常：代码背后的脑洞故事、工具测评，让技术圈不再枯燥～
- 独家资源分享：开源项目、学习资料包，助你打怪升级快人一步！
👉 点击直达→ 盹猫猫的个人小站 👈
🌟 来逛逛吧，说不定能挖到你正在找的技术宝藏哦～
目录
欢迎来到 盹猫(>^ω^<)的博客
本篇文章主要介绍了
[Python提取Word表格数据教程(含.doc/.docx)]
❤博主广交技术好友，喜欢文章的可以关注一下❤
一、编写目的
最近由于工作上的需要，需要使用Python完成DOC文档格式数据的读取和修改工作，但通过查阅相关资料，直接对DOC文档进行读取和修改没有相关的依赖(主要为doc文件为较早的windows系统支持格式)，需要将DOC文件转换为.docx格式，为什么是docx格式？
.docx是 XML 格式，通常无编码问题，但若从其他格式转换可能出错。- python-docx依赖库可以直接对docx文档格式进行操作，但无法对doc格式进行操作。
那么问题就转变为如何将doc格式转换为.docx格式的问题，有下面的解决方法:
- 如果你在windows系统上且安装有Microsoft Word 可以使用pywin32调用Word提供的COM口进行格式转换。
那如果就不想花钱或者安装Word，或者我使用的是其它系统（如Linux系统）又该如何转换doc格式到.docx格式呢？
这里也找到了相关的软件支持:LibreOffice。它提供了和Word几乎相同的功能，但其为免费开源的，并且可以通过命令行进行调用，最重要的可以多系统支持。
本篇文章就是记录使用LibreOffice+python-docx完成doc文档内表格的转换和修改的。
二、环境准备
一、安装LibreOffice
如果是Windows系统可以官网下载LibreOffice的.exe安装包，然后就是不断地下一步即可。
如果是Linux系统可以通过下面的命令进行安装:
Ubuntu/Debian:
sudo apt update && sudo apt install libreoffice
Fedora:
sudo dnf install libreoffice
openSUSE:
sudo zypper install libreoffice
安装完成后，可以在命令行中进行版本验证:
soffice --version
如果输出下述内容则表明安装成功:
LibreOffice 25.2.3.2 bbb074479178df812d175f709636b368952c2ce3
二、安装python-docx
在已有的python环境下安装python-docx可以使用以下命令:
pip install python-docx
三、代码实现
一、转换成docx
根据上面的步骤，先进行doc到docx的转换，我们可以使用以下命令进行转换：
soffice --headless --convert-to <目标格式> <输入文件> [--outdir <输出目录>]
当然这里需要再Python中进行命令行的调用，直接上代码：
import os import subprocess import re def convert_doc_to_docx(doc_path, output_dir, soffice_path=None): """ 使用 LibreOffice 将 .doc 转换为 .docx :param doc_path: .doc 文件路径 :param output_dir: 输出目录（默认当前目录） :param soffice_path: LibreOffice 的 soffice.exe 完整路径（可选） :return: 转换后的 .docx 文件路径 """ if not doc_path.lower().endswith('.doc'): raise ValueError("输入文件必须是 .doc 格式") # 确保输出目录存在 os.makedirs(output_dir, exist_ok=True) # 构造输出路径 base_name = os.path.splitext(os.path.basename(doc_path))[0] docx_path = os.path.join(output_dir, f"{base_name}.docx") # 检查 LibreOffice 是否安装 if soffice_path is None: try: # 尝试调用 soffice 命令 subprocess.run(["soffice", "--version"], check=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE) soffice_cmd = ["soffice"] except FileNotFoundError: raise RuntimeError("LibreOffice 未安装或未添加到系统 PATH 中。请确保 LibreOffice 已正确安装并在 PATH 中，或提供 soffice.exe 的完整路径。") else: soffice_cmd = [soffice_path] # 使用 LibreOffice 转换 try: subprocess.run( soffice_cmd + ["--headless","--nodefault","--nologo", "--convert-to", "docx", "--outdir", output_dir, doc_path], check=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE ) if not os.path.exists(docx_path): raise RuntimeError(f"转换失败，未找到输出文件: {docx_path}") return docx_path except subprocess.CalledProcessError as e: error_msg = f"转换失败: {e.stderr.decode()}" raise RuntimeError(error_msg)
在上面的代码中先进行LibreOffice环境是否安装的检测，然后调用命令行进行目标文件的转换，转换完成的文件放到output_dir目录下。
二、读取和修改
转换成docx文件后就可以使用python-docx依赖对数据进行操作了，下面的Python代码实现了docx文档内表格的读取：
from docx import Document def read_docx_tables(docx_path): """ 使用 python-docx 读取 .docx 文件中的表格 :param docx_path: .docx 文件路径 :return: 表格数据列表（每行是一个列表） """ try: doc = Document(docx_path) except Exception as e: raise RuntimeError(f"无法读取 .docx 文件: {e}") tables_data = [] for i, table in enumerate(doc.tables): print(f"\n表格 {i + 1}:") table_data = [] for row_idx, row in enumerate(table.rows): row_data = [cell.text.strip() for cell in row.cells] # 清理单元格中的特殊字符 row_data = [clean_text(cell) for cell in row_data] table_data.append(row_data) print(row_data) tables_data.append(table_data) return tables_data
修改起来也是非常方便的，只需要在更新row.cells[索引].text后，执行一下doc.save(docx_path)的操作，代码如下：
from docx import Document def modify_docx_tables(docx_path, output_path=None, modify_func=None): """ 仅修改 .docx 文件中的表格数据（不读取原有数据） :param docx_path: 输入的 .docx 文件路径 :param output_path: 输出的 .docx 文件路径（如果为 None，则覆盖原文件） :param modify_func: 修改表格数据的函数（接收 table 并直接修改） """ if output_path is None: output_path = docx_path # 默认覆盖原文件 try: doc = Document(docx_path) except Exception as e: raise RuntimeError(f"无法读取 .docx 文件: {e}") for i, table in enumerate(doc.tables): print(f"\n修改表格 {i + 1}:") """ 示例修改函数：将所有单元格内容改为 "MODIFIED" """ for row in table.rows: for cell in row.cells: cell.text = "MODIFIED" # 直接修改单元格内容 # 保存修改后的文档 doc.save(output_path) print(f"\n表格数据已修改并保存到: {output_path}")
四、总结
上面就是对doc格式的文档表格的读取和修改操作的全部内容了，虽然doc文件格式比较落后，但不可避免的有些公司可能有些比较古老的系统,在日常生产中就使用到doc文件格式，如果你有这方面的需求，希望这篇文章能帮助到你。
如果你对区块链内容感兴趣可以查看我的专栏:小试牛刀-区块链
感谢您的关注和收藏!!!!!!
编辑
