使用 C# 提取 Word 文档中的表格数据

要实现 Word 表格提取，我们需要以下工具和组件：

• 开发环境：Visual Studio（2022/2019 等）或任意 C# 开发工具
• 第三方库：Free Spire.Doc（用于解析 Word 文档结构，处理表格数据）

Free Spire.Doc 是一个免费的 Word 文档处理库，支持读取、编辑、生成 Word 文档，尤其对表格、段落等元素的处理非常便捷。可以通过NuGet 包管理器安装它：

Install-Package FreeSpire.Doc

或者在项目中右键“管理 NuGet 包”，搜索Spire.Doc并安装。

⚠️注意：免费版单文档最多支持 25 个表格，适用于学习、测试和小型业务场景

提取 Word 表格实现思路

从 Word 中提取表格的核心思路是逐层解析文档结构：

1. 加载 Word 文档，获取文档对象
2. 遍历文档中的“节（Section）”（Word 文档的基本结构单位）
3. 在每个节中获取表格集合，遍历所有表格
4. 对每个表格，逐行、逐单元格提取文本内容
5. 将提取的表格数据按格式（制表符分隔）保存到文本文件

完整代码

using Spire.Doc; using Spire.Doc.Collections; using Spire.Doc.Interface; using System.IO; using System.Text; namespace ExtractWordTable { internal class Program { static void Main(string[] args) { // 创建文档对象 Document doc = new Document(); // 加载Word文档 doc.LoadFromFile("表格.docx"); // 遍历文档中的所有节 for (int sectionIndex = 0; sectionIndex < doc.Sections.Count; sectionIndex++) { Section section = doc.Sections[sectionIndex]; // 获取当前节中的所有表格 TableCollection tables = section.Tables; // 遍历当前节中的所有表格 for (int tableIndex = 0; tableIndex < tables.Count; tableIndex++) { ITable table = tables[tableIndex]; // 用于存储当前表格的所有数据 string tableData = ""; // 遍历表格中的所有行 for (int rowIndex = 0; rowIndex < table.Rows.Count; rowIndex++) { TableRow row = table.Rows[rowIndex]; // 遍历行中的所有单元格 for (int cellIndex = 0; cellIndex < row.Cells.Count; cellIndex++) { TableCell cell = row.Cells[cellIndex]; // 提取单元格文本（单元格可能包含多个段落） string cellText = ""; for (int paraIndex = 0; paraIndex < cell.Paragraphs.Count; paraIndex++) { cellText += (cell.Paragraphs[paraIndex].Text.Trim() + " "); } // 拼接单元格文本，用制表符分隔不同单元格 tableData += cellText.Trim(); if (cellIndex < row.Cells.Count - 1) { tableData += "\t"; } } // 行结束后换行 tableData += "\n"; } // 保存表格数据到文本文件） string filePath = Path.Combine("Tables", $"Section{sectionIndex + 1}_Table{tableIndex + 1}.txt"); File.WriteAllText(filePath, tableData, Encoding.UTF8); } } doc.Close(); } } }

代码核心逻辑解析

① 遍历文档结构

Word 文档的逻辑结构是：Document → Section → Table → Row → Cell。

• 节（Section）：一个文档可以有多个节（如不同页码格式、页眉页脚的区域）。通过doc.Sections获取。
• 表格（Table）：每个节可以包含多个表格，通过section.Tables获取。

② 提取单元格文本

单元格TableCell内部可能包含多个段落（Paragraph），每个段落可能有不同的格式（加粗、颜色等）。我们只需提取纯文本内容：

• 遍历cell.Paragraphs，获取每个段落的 Text
• 使用Trim()去除段落首尾空白，避免多余换行。
• 多个段落之间用空格连接，保证可读性。

③ 保存为文本文件

• 每个表格单独保存为一个.txt文件，文件名包含节索引和表格索引，便于区分。
• 单元格之间用制表符\t分隔，行末添加换行符。这种格式可直接复制到 Excel 中粘贴，或者被其他数据分析工具读取。

实用扩展方向

基于本文代码，可以轻松扩展以下功能：

1. 导出为 Excel 文件（使用 Free Spire.XLS）

using Spire.Xls; // 将 tableData 的二维数组写入 Workbook

2. 批量处理多个 Word 文档

string[] files = Directory.GetFiles(@"C:\Docs", "*.docx"); foreach (string file in files) { doc.LoadFromFile(file); // ... 提取逻辑 }