### 提取 Word 表格并进行数据清洗的 Python 实现 Python 提供了多种库来实现 Word 文档中表格的自动提取和数据清洗，其中 `python-docx` 是一个常用的库，用于读取和操作 `.docx` 格式的 Word 文档。通过遍历文档中的表格对象，可以将表格内容提取为结构化数据，并进一步进行数据清洗和处理，从而实现办公自动化[^1]。 #### 提取 Word 表格数据 以下是一个使用 `python-docx` 从 Word 文档中提取表格数据的代码示例： ```python from docx import Document # 打开 Word 文档 doc = Document('example.docx') # 遍历文档中的所有表格 for table in doc.tables: # 遍历表格中的每一行 for row in table.rows: # 提取单元格数据并打印 row_data = [cell.text for cell in row.cells] print(row_data) ``` 该代码会逐行读取 Word 文档中的表格内容，并以列表的形式输出每一行的数据。 #### 数据清洗与处理 在提取表格数据后，可以使用 `pandas` 库进行数据清洗和整理，例如处理缺失值、重复数据或格式标准化。`pandas` 提供了丰富的数据操作功能，可以将提取的表格数据转换为 DataFrame，然后进行进一步的处理。 以下是一个结合 `python-docx` 和 `pandas` 的数据清洗示例： ```python from docx import Document import pandas as pd # 打开 Word 文档 doc = Document('example.docx') # 初始化一个空列表来存储表格数据 data = [] # 遍历文档中的所有表格 for table in doc.tables: # 遍历表格中的每一行 for row in table.rows: # 提取单元格数据并添加到列表中 data.append([cell.text for cell in row.cells]) # 将数据转换为 DataFrame df = pd.DataFrame(data) # 删除空行和重复行 df_cleaned = df.dropna().drop_duplicates() # 保存清洗后的数据到 CSV 文件 df_cleaned.to_csv('cleaned_data.csv', index=False, encoding='utf-8') ``` 此代码片段实现了从 Word 文档中提取表格数据、将其转换为 DataFrame、删除空行和重复行，并最终保存为 CSV 文件的功能。 #### 自动化办公的优势 通过 Python 自动提取 Word 表格并进行数据清洗，可以显著减少手动操作的时间，提高数据处理的准确性和效率。此外，还可以结合 `openpyxl` 或 `xlsxwriter` 等库将清洗后的数据写入 Excel 文件，实现从 Word 到 Excel 的自动化数据流转[^3]。 ---