我们在做一些数据统计或分析的时候，有时会接触到Execl 格式或者word 格式的文件。Execl格式的数据提取和解析，我们在之前的文章分享过一些非常好用的Python第三方库，本文中主要介绍如何使用Python python-docx 模块提取Word 文件中的文本信息和表格数据。

python-docx 安装

本文python-docx 安装 在windows 10系统，Python3 环境中使用pip进行安装。

演示文本

为了方便理解，我们以 python-docx.docx 文件为例，演示如何使用Python 提取其中的文本数据和表格数据，并开发自定义函数以字典的形式提取内容，python-docx.docx文件内容如下：

在使用python-docx 读取word文档中文本之前，我们先了解下python-docx 模块的几个概念。

• Document 对象，表示一个Word文档。
• Paragraph 对象，表示Word文档中的一个段落。
• Paragraph 对象的text属性，表示段落中的文本内容。

提取docx文件中文本信息

使用python-docx 提取docx文件中文本数据，Python实现代码如下：

如上，我们将python-docx.docx 文件中的文本信息，按行提取出来，存储到字典中，字典的Key为行号，Value为文本信息，执行上述代码，输出结果如下：

提取docx文件中表格数据

使用python-docx 提取docx文件中表格数据，Python实现代码如下：

如上，我们将python-docx.docx 文件中的表单信息，按行提取出来，存储到列表中，列表每个元素为一个表格的数据，数据结构为字典，执行上述代码输出结果如下：

写入数据到docx文件中

我们同样可以利用python-docx 模块，实现docx文件的数据写入，如标题、字号、引用、列表、图片插入等等。由于如下代码注释中说明比较详细，此处不做过多介绍，代码如下：

执行上述代码，写入数据保存至testops—docx.docx 文件中，内容如下：

提取包含指定关键字的文本

我们基于上述自定义封装函数 extract_text、extract_form，结合re 模块，就可以实现提取包含关键字的文本内容，代码实现如下：

如上，我们实现了提取docx 文本中包含指定内容的文本信息，并输出该内容所在行，执行上述代码，输出结果为：