Python docx row.cells 多次返回 "merged"单元格

Question

我正在使用 python docx 库，需要从文档中的表格中读取数据。

尽管我可以使用以下代码读取数据，

document = Document(path_to_your_docx)
tables = document.tables
for table in tables:
    for row in table.rows:
        for cell in row.cells:
            for paragraph in cell.paragraphs:
                print(paragraph.text)

我得到多个重复值，其中单元格中的内容跨越其合并的单元格，每个合并到其中的单元格一次。我不能简单地删除重复值，因为可能有多个未合并的单元格具有相同的值。我应该如何解决这个问题？

作为引用，我被指示在这里问这个问题 this github issue .

谢谢。

Answer 1

如果你想得到每个合并的单元格恰好一次，你可以添加下面的代码:

def iter_unique_cells(row):
    """Generate cells in `row` skipping empty grid cells."""
    prior_tc = None
    for cell in row.cells:
        this_tc = cell._tc
        if this_tc is prior_tc:
            continue
        prior_tc = this_tc
        yield cell


document = Document(path_to_your_docx)
for table in document.tables:
    for row in table.rows:
        for cell in iter_unique_cells(row):
            for paragraph in cell.paragraphs:
                print(paragraph.text)

您在表中看到的同一单元格在它占据的每个“网格”单元格中出现一次的行为是预期的行为。如果行单元格在行之间不均匀，它会在其他地方引起问题，例如如果 3 x 3 表格中的每一行不一定包含 3 个单元格。例如，如果该行中存在合并单元格，则访问三列表中的 row.cell[2] 会引发异常。

与此同时，拥有备用访问器可能会很有用，也许 Row.iter_unique_cells() 不能保证行间的一致性。这可能是一个值得请求的功能。