使用 Python 将 PDF 表格自动提取并写入 Word 文档表格

在实际办公与数据处理场景中，PDF 文件里的表格往往无法直接复制到 Word 中，尤其是当表格结构复杂、跨页或包含不规则布局时，手动复制不仅耗时，还容易出现错位、换行混乱或格式被破坏的问题。许多用户也尝试使用在线工具或桌面转换软件，但对批量文档、结构化提取、精准写入 Word 表格的需求来说，自动化方式仍然是最高效、最可靠的解决方案。

本文将介绍如何使用 Python 从 PDF 文件中提取表格数据，并将其以标准、结构化的表格形式写入 Word 文档。整个过程可以实现自动化，无需人工干预，适用于财务报表归档、合同中表格提取、数据治理流程、第三方 PDF 报表转换等多个业务场景。

本文使用的方法需要用到 Free Spire.PDF for Python 与 Free Spire.Doc for Python，可通过pip安装：

pip install spire.pdf.free, spire.doc.free

1. 加载 PDF 文件并准备 Word 文档

在处理 PDF 之前，我们需要先加载源文件并初始化 Word 文档的结构。

from spire.pdf import PdfDocument, PdfTableExtractor from spire.doc import Document, FileFormat, DefaultTableStyle, AutoFitBehaviorType, BreakType input_pdf = "sample.pdf" output_docx = "output/pdf_table_to_docx.docx" # 载入 PDF 文档 pdf = PdfDocument() pdf.LoadFromFile(input_pdf) # 创建 Word 文档 doc = Document() section = doc.AddSection()

说明：

• PdfDocument() 用于加载 PDF 文件，为后续表格提取提供基础。
• Document() 创建 Word 文档对象，所有表格将插入到默认的 Section 内。
• 我们提前设置输出路径，确保程序可以直接生成可编辑的 .docx 文件。

此阶段相当于是搭建转换流程的“基础框架”。

2. 提取 PDF 表格并创建 Word 表格

接下来进入整篇文章的核心——如何从 PDF 中提取表格数据并写入 Word。

# 提取 PDF 表格数据并写入 Word 文档 table_extractor = PdfTableExtractor(pdf) for i in range(pdf.Pages.Count): tables = table_extractor.ExtractTable(i) if tables is not None and len(tables) > 0: for i in range(len(tables)): table = tables[i] # 创建 Word 表格 word_table = section.AddTable() word_table.ApplyStyle(DefaultTableStyle.ColorfulGridAccent4) word_table.ResetCells(table.GetRowCount(), table.GetColumnCount()) for j in range(table.GetRowCount()): for k in range(table.GetColumnCount()): cell_text = table.GetText(j, k).replace("\n", " ") tr = word_table.Rows[j].Cells[k].AddParagraph().AppendText(cell_text) tr.CharacterFormat.FontName = "微软雅黑" tr.CharacterFormat.FontSize = 11 word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow) section.AddParagraph().AppendBreak(BreakType.LineBreak)

关键步骤解析

（1）逐页读取 PDF 表格

ExtractTable(i) 会返回指定页面上解析出的所有表格。
PDF 本身没有真正意义上的“表格结构”，因此工具会根据线条、文本排列、单元格间距识别表格。

这一步决定了能否正确提取表格，是整个流程最重要的环节之一。

（2）动态创建 Word 表格

word_table = section.AddTable() word_table.ResetCells(row_count, column_count)

利用提取出的行列数，在 Word 中创建结构一致的表格。

• ResetCells 会在 Word 中按行列生成一个空表格框架。
• 表格采用 ColorfulGridAccent4 样式，使结果更易读。

（3）处理单元格内容

cell_text = table.GetText(j, k).replace("\n", " ")

PDF 单元格中经常包含换行符，因此写入 Word 前需要清理文本，避免格式错乱。

同样为提升最终文档的可读性，我们对文本进行了基础格式设置：

tr.CharacterFormat.FontName = "微软雅黑" tr.CharacterFormat.FontSize = 11

使生成的 Word 文档具有更标准、更整洁的视觉效果。

（4）自动表格宽度适配

word_table.AutoFit(AutoFitBehaviorType.AutoFitToWindow)

这一步能让表格自动适配 Word 页面宽度，在不同屏幕、Word 布局里都有良好的可视性。

3. 保存 Word 文档

最后，执行保存操作即可生成完整的 Word 文件。

doc.SaveToFile(output_docx, FileFormat.Docx)

Word 文档会按前述的结构与样式生成，可直接打开查看，也适用于进一步编辑、排版或作为报告的一部分。

提取写入结果

关键类与方法说明表

为了便于查阅，下面整理本文中主要使用到的类、属性与方法。

总结

通过本文示例，你已经了解如何使用 Python 自动化实现 PDF 表格 → Word 表格 的完整流程。从 PDF 识别表格、解析行列结构，到在 Word 中创建并填充内容，整个过程高度自动化，特别适用于批量处理与业务系统集成场景。

相比手动复制格式凌乱、在线工具功能受限、桌面工具难以批量处理，代码方式具有更高的灵活性与可控性。你可以在此基础上扩展更多能力，例如批量转换、内容清洗、模板合并、文本识别（OCR）等，为企业类文档处理提供稳定高效的解决方案。

如果你正在处理大量 PDF 表格或需要长期的文档自动化流程，这种基于 Python 的方案将为你的工作带来显著提升。