Python實現(xiàn)快速提取Word表格并轉(zhuǎn)Markdown
一、為什么需要這個工具
在測試工作中，我們常遇到這樣的場景：
- 需求文檔是Word格式，但需要將表格數(shù)據(jù)提取出來生成測試用例
- 手動復(fù)制粘貼效率低且易出錯
- 大模型需要結(jié)構(gòu)化數(shù)據(jù)輸入，但Word表格格式復(fù)雜
本文提供一套零基礎(chǔ)可操作的代碼方案，幫助測試工程師3分鐘內(nèi)完成表格提取與轉(zhuǎn)換，直接對接自動化測試或大模型。
二、代碼實戰(zhàn)：三步搞定表格提取
第一步：安裝依賴
pip install python-docx
注意：
- 如果提示權(quán)限問題，可在命令前加 sudo（Linux/macOS）或以管理員身份運行命令行（Windows）。
- 如果文檔包含復(fù)雜格式（如合并單元格），需確保 python-docx 版本 ≥ 0.8.11。
第二步：核心代碼解析
1. 標(biāo)題檢測：精準(zhǔn)定位目標(biāo)段落
def is_heading_enhanced(paragraph):
# 標(biāo)題特征：樣式名稱含關(guān)鍵詞 + 字體加粗 + 字體足夠大
style_name = (paragraph.style.name or "").lower()
if "標(biāo)題" in style_name or "heading" in style_name:
return True
try:
font = paragraph.style.font
return (font.size.pt >= 14 and font.bold) if font.size else False
except:
return False
關(guān)鍵點詳解：
樣式名稱匹配：
- 優(yōu)先檢查標(biāo)題樣式名稱是否包含 標(biāo)題（中文）或 heading（英文），如 Heading 1、標(biāo)題1。
- 這一設(shè)計能快速定位到文檔中明確標(biāo)記的標(biāo)題段落。
格式兜底判斷：
- 字體大?。簶?biāo)題通常比正文大，這里設(shè)置閾值為14pt（可調(diào)整）。
- 加粗要求：標(biāo)題一般需要加粗，確保格式一致性。
- 如果段落樣式名稱未包含關(guān)鍵詞，但滿足格式條件，也會被識別為標(biāo)題。
異常處理：
使用 try-except 捕獲字體信息缺失的異常，避免程序崩潰。
2. 表格抓?。喊次臋n順序提取
def get_tables_under_heading(doc_path, target_title):
from docx import Document
doc = Document(doc_path)
target_tables = []
found = False
for element in doc.element.body.iter():
if element.tag.endswith('p'): # 段落
par = Paragraph(element, doc)
if target_title in par.text and is_heading_enhanced(par):
found = True
elif found and is_heading_enhanced(par): # 遇到新標(biāo)題停止
break
elif element.tag.endswith('tbl') and found: # 表格
table = Table(element, doc)
data = [[cell.text.strip() for cell in row.cells] for row in table.rows]
target_tables.append(data)
return target_tables
實戰(zhàn)技巧詳解：
文檔元素遍歷：
- 通過 doc.element.body.iter() 直接遍歷Word文檔底層元素，確保段落和表格的順序與實際文檔一致。
- element.tag.endswith('p') 和 element.tag.endswith('tbl') 分別識別段落和表格的XML標(biāo)簽。
雙重標(biāo)記機制：
- found 標(biāo)記：當(dāng)找到目標(biāo)標(biāo)題后，標(biāo)記為 True，開始收集后續(xù)的表格。
- 新標(biāo)題終止：一旦遇到新標(biāo)題（同樣滿足標(biāo)題檢測條件），立即停止收集，避免誤取其他章節(jié)的表格。
數(shù)據(jù)提取：
使用列表推導(dǎo)式逐行提取表格內(nèi)容，cell.text.strip() 去除單元格中的多余空格。
3. 轉(zhuǎn)換Markdown：結(jié)構(gòu)化輸出
def to_markdown(table_data):
if not table_data:
return ""
headers = table_data[0]
md = f"| {' | '.join(headers)} |\n"
md += f"| {' | '.join(['---']*len(headers))} |\n"
for row in table_data[1:]:
md += f"| {' | '.join(row)} |\n"
return md
效果示例：
| 用戶角色 | 創(chuàng)建權(quán)限 | 刪除權(quán)限 | 修改權(quán)限 |
|----------|----------|----------|----------|
| 管理員 | 是 | 是 | 是 |
| 普通用戶 | 否 | 否 | 是 |
細節(jié)說明：
表頭與分隔符：第一行數(shù)據(jù)作為表頭，用 --- 分隔表頭與數(shù)據(jù)行。
空表格處理：如果輸入表格為空，直接返回空字符串，避免錯誤。
兼容性：適用于大多數(shù)表格，但若表格包含合并單元格，需額外處理（見后續(xù)優(yōu)化建議）。
第三步：調(diào)用代碼（5分鐘上手）
def main():
doc_path = "需求文檔_v2.0.docx" # 替換為你的文檔路徑
target_title = "功能權(quán)限矩陣" # 替換為目標(biāo)標(biāo)題
# 提取表格
tables = get_tables_under_heading(doc_path, target_title)
# 輸出Markdown
for idx, table in enumerate(tables, 1):
print(f"--- 表格{idx} ---\n")
print(to_markdown(table))
print("\n-------------------\n")
if __name__ == "__main__":
main()
執(zhí)行步驟：
- 將代碼保存為 extract_tables.py。
- 修改 doc_path 和 target_title 為實際文檔路徑和標(biāo)題。
- 運行 python extract_tables.py，即可在控制臺看到Markdown格式的表格。
三、常見問題與解決方案
Q1：檢測不到標(biāo)題
可能原因：
- 標(biāo)題樣式名稱不符合 標(biāo)題 或 heading 關(guān)鍵詞。
- 標(biāo)題字體大小或加粗格式未達標(biāo)。
解決方案：
1.檢查標(biāo)題樣式：
- 在Word中右鍵標(biāo)題段落 → 選擇「段落樣式」，確認樣式名稱是否包含關(guān)鍵詞。
- 例如：將樣式改為「標(biāo)題 1」或「Heading 2」。
2.手動調(diào)整格式判斷：
# 在 is_heading_enhanced 中，降低字體大小要求 return (font.size.pt >= 12 and font.bold) if font.size else False
Q2：表格提取不完整
可能原因：
- 表格與標(biāo)題不在同一章節(jié)，中間有其他標(biāo)題阻隔。
- 文檔中存在多個同名標(biāo)題，代碼只提取第一個。
解決方案：
強制遍歷所有表格：
# 移除遇到新標(biāo)題停止的邏輯 # 刪除以下代碼： elif found and is_heading_enhanced(par): break
精確匹配標(biāo)題：
如果標(biāo)題文本唯一，可直接使用 par.text.strip() == target_title 完全匹配。
Q3：Markdown格式混亂
可能原因：
單元格內(nèi)容包含換行符或特殊符號。
解決方案：
清理數(shù)據(jù)：
# 在提取單元格時去除換行符
cell.text.strip().replace('\n', ' ')
手動調(diào)整：
將輸出結(jié)果復(fù)制到Markdown編輯器（如Typora），通過可視化界面調(diào)整格式。
四、真實場景應(yīng)用案例
場景1：生成接口測試用例
# 提取"接口參數(shù)表"后，直接生成測試用例模板
table_data = get_tables_under_heading("接口文檔.docx", "接口參數(shù)表")[0]
for row in table_data[1:]:
param, type_, example = row
print(f"測試點：{param}參數(shù)為{example}時，接口應(yīng)返回{type_}類型")
輸出示例：
測試點：user_id參數(shù)為123時，接口應(yīng)返回int類型
測試點：username參數(shù)為"admin"時，接口應(yīng)返回str類型
場景2：自動化測試數(shù)據(jù)生成
# 將表格數(shù)據(jù)寫入CSV文件供測試框架讀取
import csv
tables = get_tables_under_heading("測試數(shù)據(jù).docx", "登錄用例數(shù)據(jù)")
with open("test_data.csv", "w", newline="") as f:
writer = csv.writer(f)
for table in tables:
writer.writerows(table)
五、代碼擴展與優(yōu)化建議
1. 支持多級標(biāo)題
def get_tables_under_heading(doc_path, target_title, level=1):
# 新增參數(shù)：level表示標(biāo)題層級（如1級標(biāo)題）
# 在is_heading_enhanced中增加層級判斷
if f"heading{level}" in style_name:
return True
2. 處理合并單元格
def extract_cell(cell):
# 處理合并單元格時的空值
if cell.text.strip():
return cell.text.strip()
else:
return "[合并單元格]"
3. 日志記錄與錯誤提示
import logging
logging.basicConfig(level=logging.INFO)
def main():
try:
tables = get_tables_under_heading(...)
except FileNotFoundError:
logging.error("文檔路徑錯誤，請檢查文件是否存在！")
六、總結(jié)
通過這套方案，你可以：
- 快速定位文檔中指定標(biāo)題的表格
- 自動化輸出結(jié)構(gòu)化Markdown數(shù)據(jù)
- 無縫對接測試用例生成、自動化測試腳本等下游流程
立即嘗試：
- 將代碼保存為extract_tables.py。
- 替換文檔路徑和標(biāo)題。
- 運行代碼，查看輸出結(jié)果。
以上就是Python實現(xiàn)快速提取Word表格并轉(zhuǎn)Markdown的詳細內(nèi)容，更多關(guān)于Python提取Word轉(zhuǎn)Markdown的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
本文主要介紹了python 提高性能的方法。具有很好的參考價值，下面跟著小編一起來看下吧2017-03-03
這篇文章主要介紹了新手如何發(fā)布Python項目開源包過程詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07
一波神奇的Python語句、函數(shù)與方法的使用技巧總結(jié)
這篇文章主要介紹了一波神奇的Python函數(shù)與方法的使用技巧總結(jié),包括裝飾器和with語句等的不常見用法,需要的朋友可以參考下2015-12-12
Python實現(xiàn)查找數(shù)組中任意第k大的數(shù)字算法示例
這篇文章主要介紹了Python實現(xiàn)查找數(shù)組中任意第k大的數(shù)字算法,涉及Python針對數(shù)組的排序、查找等相關(guān)操作技巧,需要的朋友可以參考下2019-01-01
這篇文章主要介紹了詳解Python collections工具庫的相關(guān)資料，文中講解非常細致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
關(guān)于jupyter代碼自動補全設(shè)置方式
這篇文章主要介紹了關(guān)于jupyter代碼自動補全設(shè)置方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
查詢Python安裝位置可通過命令行輸入import sys和sys.path實現(xiàn),而Python-tools的安裝位置則可在Python文件夾內(nèi)找到,本文介紹了如何查詢Python及其工具包PyQt-tools的安裝位置,便于用戶進行相關(guān)設(shè)置或調(diào)試,更多關(guān)于Python安裝和配置的內(nèi)容,可查閱腳本之家的相關(guān)文章2024-09-09
解讀opencv中cv2.imread()返回值為None問題及解決
這篇文章主要介紹了解讀opencv中cv2.imread()返回值為None問題及解決，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-11-11
這篇文章主要介紹了Python:通配符查找、拷貝文件的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要為大家介紹了python的二進制轉(zhuǎn)化模塊，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01