python读取docx中的表格形成三元组_python将表格数据变成三元组

知识图谱在构建过程中有个步骤就是知识抽取，知识抽取里面有好多种数据，什么结构化数据，半结构化数据，非结构化数据…今天学习的是比较简单的从docx的表格里提取数据（我也没怎么学过python，我不生产代码，我只是代码的搬运工）
我用的python3.7
先看一下我需要的内容是什么
我想要抽取出来的是（源，角色/关系，目的地）这个东西组成的三元组。需要把表格中的部分进行一个列的交换。最后导出成csv三元组文件。

抽取三元组

from docx import Document  # 导入库
import pandas as pd

path = '服务包企业.docx'  # 文件路径
document = Document(path)  # 读入文件
tables = document.tables  # 获取文件中的表格集
row_content = []  # 制造一个列表用来存最终结果
start1 = ['企业视图', '阶段', '开发阶段']
row_content.append(start1)  # 存放物理视图关系
tb1 = tables[0]  # 取docx里第一个表格
for i, row in enumerate(tb1.rows[1:]):  # 读每行 除去第一行
    row_content1 = []  # 临时列表用来存每一行的内容
    for cell in row.cells[:1]:  # 读一行中的第一列单元格
        c = cell.text # 转化成文本格式
        row_content1.append(c)
    for cell in row.cells[2:4]:  # 读一行中的第三列单元格
        c = cell.text
        row_content1.append(c)
    for cell in row.cells[1:2]:  # 读一行中的第二列单元格
        c = cell.text
        row_content1.append(c)
    row_content.append(row_content1)
name = ['实体', '实体', '关系']  # 制定表头
test = pd.DataFrame(columns=name, data=row_content)  # 生成csv
test.to_csv('E:/enterprise_view.csv', encoding="utf_8_sig")  # 导出csv
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

如果不进行交换的话，直接用这个

from docx import Document  # 导入库
import pandas as pd

path = '服务包企业.docx'  # 文件路径
document = Document(path)  # 读入文件
tables = document.tables  # 获取文件中的表格集
row_content = []  # 制造一个列表用来存最终结果
start1 = ['企业视图', '阶段', '开发阶段']
row_content.append(start1)  # 存放物理视图关系
tb1 = tables[0]  # 取docx里第一个表格
for i, row in enumerate(tb1.rows[1:]):  # 读每行除去第一行
    row_content1 = []  # 临时列表用来存每一行的内容
    for cell in row.cells[:1]:  # 读一行中的第一列单元格
        c = cell.text
        row_content1.append(c)
    row_content.append(row_content1)
name = ['实体', '实体', '关系']  # 制定表头
test = pd.DataFrame(columns=name, data=row_content)  # 生成csv
test.to_csv('E:/enterprise_view.csv', encoding="utf_8_sig")  # 导出csv
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

第一次使用docx包可能会出错，说找不到这个包
用pycharm自带的pip安装会出现python2和3不兼容的问题，所以这里推荐自己进行安装。

安装python-docx

我用的是pycharm
打开file中的settings，然后点击project，在这个位置有个＋号，然后搜索python-docx，点击安装就行。
最后抽取的csv文件如图

参考文献
使用python-docx提取表格信息
使用docx库出现报错找不到模块
使用pycharm导入库