Извлечение таблиц из документа DOCX Word в Python

Question

Я пытаюсь извлечь содержимое таблиц в документе DOCX Word, и я новичок в xml / xpath.

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

Это вызывает ошибку «XPathEvalError: неопределенный префикс пространства имен». Я уверен, что это только первое, что можно ожидать при разработке сценария. К сожалению, я не смог найти учебник для python-docx .

Не могли бы вы привести пример извлечения таблицы?

Answer 1

Через некоторое время мы обнаружили, что для правильной работы требуется пространство имен. Метод xpath является подходящим решением, ему просто нужно сначала передать пространство имен документа.

Метод lxml xpath содержит подробности о вещах пространства имен. Посмотрите на страницу в ссылке для передачи словаря пространств имен и других деталей.

Как объяснил mgierdal в своем комментарии выше:

tblList = document.xpath ('// w: tbl', namespaces = document.nsmap) работает как мечта. Итак, насколько я понимаю, w: это сокращение, которое должно быть расширен до полного имени пространства имен, и словарь для этого предоставлено document.nsmap.