Trích xuất bảng từ tài liệu Word DOCX trong python

Question

Tôi đang cố gắng trích xuất nội dung của bảng trong tài liệu DOCX Word và cậu bé tôi mới sử dụng xml/xpath.

from docx import * 
document = opendocx('someFile.docx') 
tableList = document.xpath('/w:tbl') 

Lỗi kích hoạt "XPathEvalError: Undefined namespace prefix" này. Tôi chắc chắn nó chỉ là người đầu tiên mong đợi trong khi phát triển kịch bản. Rất tiếc, tôi không thể tìm thấy hướng dẫn cho python-docx.

Bạn có thể cung cấp ví dụ về trích xuất bảng không?

Answer 1

Sau khi một số qua lại, chúng tôi phát hiện ra rằng không gian tên là cần thiết để hoạt động chính xác. Phương thức xpath là giải pháp thích hợp, nó chỉ cần có không gian tên tài liệu được truyền vào đầu tiên.

lxml xpath method có các chi tiết về nội dung không gian tên. Nhìn xuống trang trong liên kết để chuyển từ điển không gian tên và các chi tiết khác.

Theo giải thích của mgierdal trong bình luận của ông trên:

tblList = document.xpath('//w:tbl', namespaces=document.nsmap) works like a dream. So, as I understand it w: is a shorthand that has to be expanded to the full namespace name, and the dictionary for that is provided by document.nsmap.