批量读取文件夹docx文件提取表格生成DataFrame报AttributeError求助

1. 循环遍历拿到的document是仅包含文件名的字符串，没有通过Document()方法加载为python-docx的文档对象，直接调用.tables属性自然会触发字符串无该属性的报错。
2. 存在变量覆盖逻辑错误：刚通过pd.DataFrame(data)生成DataFrame对象，紧接着就被df='df_' + document覆盖为字符串，后续调用df.iloc也会触发同类属性报错。
3. 缺少文件路径拼接逻辑：os.walk返回的文件名是相对路径，需要和当前遍历的根路径拼接为完整路径，才能正常加载docx文件。

import pandas as pd
from docx import Document
import os

directory = 'C:\\folder1\\Folder2\\Folder3\\Folder4'

def read_docx_table(document,table_num=1,nheader=1):
    table = document.tables[table_num-1]
    data = [[cell.text for cell in row.cells] for row in table.rows]
    df = pd.DataFrame(data)
    if nheader == 1:
        df = df.rename(columns=df.iloc[0]).drop(df.index[0]).reset_index(drop=True)
    elif nheader == 2:
        outside_col, inside_col = df.iloc[0], df.iloc[1]
        hier_index = pd.MultiIndex.from_tuples(list(zip(outside_col,inside_col)))
        df = pd.DataFrame(data, columns=hier_index).drop(df.index[[0,1]]).reset_index(drop=True)
    elif nheader > 2:
        print("Not Working")
        return pd.DataFrame()
    return df

# 用字典存储所有生成的DataFrame，key为df_文件名，value为对应DataFrame
df_collection = {}
table_num = 4
nheader = 2

for root, dirs, files in os.walk(directory):
    for file_name in files:
        if file_name.endswith('.docx'):
            # 拼接完整文件路径
            full_path = os.path.join(root, file_name)
            # 加载docx文档对象
            doc = Document(full_path)
            # 调用已验证的读取函数生成DataFrame
            current_df = read_docx_table(doc, table_num, nheader)
            # 存入字典
            df_key = f'df_{file_name.replace(".docx", "")}'
            df_collection[df_key] = current_df
            # 可选打印确认
            print(f'{df_key} 已处理完成，共{len(current_df)}行数据')

运行后所有docx对应的DataFrame都存储在df_collection字典中，可通过df_collection['df_你的文件名']的方式直接调用对应数据。

内容的提问来源于stack exchange，提问作者coding-zero