使用python-docx读取Word表格时表头边框对齐异常致数据重复

方案一：修复Word表格结构（从根源解决） #

你的问题核心是表格行的单元格数量不一致（表头行和内容行的拆分/合并单元格导致列数混乱），仅设置单元格宽度无法解决结构问题。可以先统一所有行的单元格数量为6，再调整列宽度：

from docx import Document
from docx.shared import Inches

doc = Document("original.docx")
table = doc.tables[6]
target_cols = 6  # 目标列数

# 统一每行的单元格数量
for row in table.rows:
    current_cell_count = len(row.cells)
    if current_cell_count > target_cols:
        # 合并多余的单元格，保留前target_cols个
        merge_start_idx = target_cols - 1
        for idx in range(merge_start_idx + 1, current_cell_count):
            row.cells[merge_start_idx].merge(row.cells[idx])
    elif current_cell_count < target_cols:
        # 拆分单元格补充列数
        while len(row.cells) < target_cols:
            row.cells[-1].split(2)

# 关闭自动调整，设置统一列宽
table.autofit = False
table.allow_autofit = False
col_width = Inches(2)
for col in table.columns:
    for cell in col.cells:
        cell.width = col_width

doc.save("fixed_document.docx")

说明 #

• 先将所有行的单元格数量强制统一为6，处理多列合并、少列拆分的情况
• 再设置每列的固定宽度，确保表格结构一致，重新读取即可得到正确的6列数据

方案二：清理读取数据，重建正确DataFrame（你倾向的方案） #

如果不想修改原Word文件，可以直接处理读取后的11列数据，通过识别合并单元格的规律，将拆分的列合并为6列：

步骤1：读取原始表格数据 #

from docx import Document
import pandas as pd

doc = Document("original.docx")
table = doc.tables[6]

# 读取所有行的单元格文本
raw_data = []
for row in table.rows:
    raw_data.append([cell.text.strip() for cell in row.cells])

步骤2：自定义合并规则（关键） #

需要先分析raw_data中11列对应实际6列的分组规律（比如哪些列是同一单元格拆分出来的），示例如下：

# 假设实际6列对应的11列分组（根据你的表格实际情况调整）
merge_groups = [(0, 1), (2, 3), (4, 5), (6, 7), (8, 9), (10)]

# 合并每组列的文本，去空去重
cleaned_data = []
for row in raw_data:
    cleaned_row = []
    for group in merge_groups:
        combined_text = " ".join([row[i] for i in group if row[i]]).strip()
        cleaned_row.append(combined_text)
    cleaned_data.append(cleaned_row)

步骤3：生成正确的DataFrame #

# 假设前两行是表头，可合并表头或选取其中一行作为列名
# 示例：用第二行作为列名，从第三行开始作为数据
df = pd.DataFrame(cleaned_data[2:], columns=cleaned_data[1])
print(df)

进阶：自动识别合并单元格 #

如果表格合并规则复杂，可以通过判断单元格的合并属性自动生成分组：

def is_merged_cell(cell):
    # 判断单元格是否为纵向合并的后续单元格（非起始单元格）
    tc = cell._tc
    v_merge = tc.xpath("./w:tcPr/w:vMerge")
    if v_merge:
        return v_merge[0].get("w:val") != "restart"
    return False

# 遍历表头行，识别合并的单元格位置，生成合并规则
header_row = table.rows[0]
merge_groups = []
current_group = []
for idx, cell in enumerate(header_row.cells):
    current_group.append(idx)
    # 如果下一个单元格是合并的，继续加入当前组
    if idx + 1 >= len(header_row.cells) or not is_merged_cell(header_row.cells[idx+1]):
        merge_groups.append(tuple(current_group))
        current_group = []

内容的提问来源于stack exchange，提问作者frisbeee