在使用 Python 将 Word 表格转换为 Excel 的过程中，如果遇到重复数据的问题，通常是因为读取或处理表格内容时出现了逻辑错误。以下是可能导致此问题的原因及解决方案： ### 可能原因分析 1. **多次读取同一行或多行**：如果你的代码在一个循环中反复读取了相同的行，则会生成重复的数据。 2. **单元格合并未正确处理**：Word 中可能存在合并的单元格，在将其转换到 Excel 时不恰当地复制导致某些值被多次插入。 3. **表头重复导入**：每次遍历文档内的所有表格而没有适当控制是否已经添加过特定表格的内容。 ### 解决方案示例代码 下面是一个简单的例子演示如何避免上述情况并成功地从 .docx 文件提取表格信息保存至Excel: ```python from docx import Document import pandas as pd def word_tables_to_excel(doc_path, excel_output): # 打开word文件 document = Document(doc_path) data_frames = [] for table in document.tables: temp_df = [] rows_count = len(table.rows) for i, row in enumerate(table.rows): if not any(cell.text.strip() for cell in row.cells): continue temp_row_data = [cell.text.replace('\n', ' ').strip() for cell in row.cells] # 去除空列和多余空白字符 filtered_temp_row_data = list(filter(None,temp_row_data)) if all(x == '' or x is None for x in filtered_temp_row_data[:]):continue temp_df.append(filtered_temp_row_data) df = pd.DataFrame(temp_df[1:],columns=temp_df[0]) \ if len(temp_df)>0 else pd.DataFrame() data_frames.append(df.drop_duplicates()) combined_df = pd.concat(data_frames).reset_index(drop=True).drop_duplicates() writer = pd.ExcelWriter(excel_output, engine='xlsxwriter') combined_df.to_excel(writer, sheet_name='Sheet1', index=False) writer.save() if __name__=="__main__": input_docx = "example.docx" output_xlsx = "output.xlsx" word_tables_to_excel(input_docx,output_xlsx) ``` 该脚本首先加载了一个 DOCX 文档，并逐个检查其中包含的所有表格。对于每个非空的有效表格，它将创建一个新的 DataFrame 对象；然后通过 `pandas` 库提供的功能去除潜在的重复项后再连接在一起形成最终的结果集，并导出到指定路径下的 XLSX 文件里。 请注意根据实际情况调整函数内部的具体操作细节以满足需求变化。此外，为了更好地理解结果，建议先对单个小规模样本文档做测试验证其有效性之后再应用于更大更复杂的场景下。