如何用python-docx正确读取Word文档中的嵌套表格数据？

问题出在docfile.tables会返回文档中所有层级的表格，包括嵌套在其他表格单元格里的子表格。你的原代码先遍历顶层表格读取单元格文本，接着又会遍历到子表格再次读取其中内容，再加上Word单元格可能存在的重复段落结构，最终导致文本大量重复。

正确的嵌套表格数据提取方案 #

用递归方式遍历表格，先提取当前单元格的文本，再深入处理单元格内的嵌套表格，确保每个层级的内容只被提取一次：

from docx import Document

def extract_table_data(table, data_list):
    for row in table.rows:
        for cell in row.cells:
            # 提取当前单元格的纯文本（自动排除嵌套表格内容）
            clean_text = cell.text.strip()
            if clean_text:
                data_list.append(clean_text)
            # 递归处理单元格内的嵌套表格
            for sub_table in cell.tables:
                extract_table_data(sub_table, data_list)

# 初始化文档和数据列表
doc = Document("你的文档路径.docx")
extracted_data = []

# 遍历所有顶层表格，递归提取数据
for top_table in doc.tables:
    extract_table_data(top_table, extracted_data)

# 查看结果
print(extracted_data)

额外处理：单元格内文本重复的情况 #

如果单元格本身存在重复段落导致文本重复，可以先对单元格内的段落文本去重后再提取：

def extract_table_data(table, data_list):
    for row in table.rows:
        for cell in row.cells:
            # 提取单元格中所有非空段落文本，去重后合并
            paragraph_texts = [p.text.strip() for p in cell.paragraphs if p.text.strip()]
            # 保持顺序的去重方式
            unique_texts = list(dict.fromkeys(paragraph_texts))
            if unique_texts:
                data_list.append('\n'.join(unique_texts))
            # 递归处理嵌套表格
            for sub_table in cell.tables:
                extract_table_data(sub_table, data_list)

内容的提问来源于stack exchange，提问作者Janzen Chien