### 解决方案概述 要将1000个Word文档的内容提取并合并生成一个Excel文件，可以按照以下方式实现： #### 工具和技术选型 Python 是一种强大的编程语言，能够高效地处理大量文档数据。借助 `python-docx` 库可以从 Word 文档中读取内容，而 `pandas` 和 `openpyxl` 则可以帮助我们将这些数据写入 Excel 文件。 --- ### 实现步骤说明 以下是具体的技术细节和代码示例： #### 1. 安装必要的库 为了完成此任务，需安装以下 Python 库： - `python-docx`: 用于解析 Word 文档。 - `pandas`: 用于管理数据结构并将数据导出至 Excel。 - `os`: 用于遍历目录中的所有 Word 文件。 可以通过以下命令安装所需库： ```bash pip install python-docx pandas openpyxl ``` #### 2. 编写脚本逻辑 编写一段 Python 脚本来自动化整个过程。该脚本会执行以下操作： - 遍历指定路径下的所有 `.docx` 文件。 - 使用 `python-docx` 提取每个 Word 文档的内容。 - 将提取的数据存储到 Pandas DataFrame 中。 - 最终将 DataFrame 数据保存为单个 Excel 文件。 下面是完整的代码实现： ```python import os from docx import Document import pandas as pd def extract_word_content(file_path): """从 Word 文档中提取文本""" document = Document(file_path) content_list = [] for table in document.tables: for row in table.rows: cells = [cell.text.strip() for cell in row.cells] if any(cells): # 如果单元格不为空，则加入列表 content_list.append(cells) return content_list def process_directory(directory_path, output_excel_file): """遍历目录中的所有 .docx 文件，并将其内容合并到 Excel 文件中""" all_data = [] # 存储所有文档的表格数据 # 遍历目录下所有的 .docx 文件 for filename in os.listdir(directory_path): if filename.endswith(".docx"): file_path = os.path.join(directory_path, filename) try: data_from_doc = extract_word_content(file_path) # 提取当前文档的内容 for item in data_from_doc: all_data.append(item + [filename]) # 添加文件名作为额外列 except Exception as e: print(f"无法处理 {file_path}: {e}") # 创建 DataFrame 并保存为 Excel 文件 df = pd.DataFrame(all_data, columns=["物品名称", "数量", "来源文件"]) with pd.ExcelWriter(output_excel_file, engine='openpyxl') as writer: df.to_excel(writer, index=False) # 设置输入目录和输出 Excel 文件名 input_directory = r"C:\path\to\your\word\files" output_excel = r"C:\path\to\save\combined_output.xlsx" process_directory(input_directory, output_excel) print("已完成：已将所有 Word 文档的内容合并到 Excel 文件中。") ``` 上述代码实现了从多个 Word 文档中提取表格数据的功能，并将它们统一存放到一个 Excel 文件中[^1]。 #### 3. 输出结果验证 运行以上脚本后，程序会在指定位置生成名为 `combined_output.xlsx` 的文件。打开这个文件即可查看来自不同 Word 文档的所有数据及其对应的源文件名。 --- ### 注意事项 - **性能优化**: 对于超过 1000 个的大规模文档集合，建议分批处理以减少内存占用。 - **错误捕获**: 上述代码已经包含了基本异常捕捉机制，但在实际应用中可能还需要进一步增强鲁棒性。 - **编码兼容性**: 确保所有 Word 文档均采用 UTF-8 或其他一致字符集编码，以免因乱码引发问题。 --- ###