You need to enable JavaScript to run this app. 如何将RTF格式文件中的表格转换为pandas DataFrame并导出CSV
优惠活动
大模型
产品
解决方案
定价
更多

如何将RTF格式文件中的表格转换为pandas DataFrame并导出CSV

RTF特殊表格提取转pandas实现方案

依赖安装

所需依赖为striprtf(RTF结构化解析)、pandas(表格处理),执行以下命令安装:

pip install striprtf pandas

核心实现代码

from striprtf import Striprtf
import re
import pandas as pd

# 读取RTF原始文件
with open("目标文件.rtf", "r", encoding="utf-8", errors="ignore") as f:
    rtf_raw = f.read()

# 解析RTF保留表格控制标记,避免丢失行列分隔信息
parser = Striprtf(rtf_raw)
content_with_table_tags = parser.get_rtf_text(table_tags=True)

# 匹配所有表格行,可根据你RTF的特殊结构调整正则规则
# RTF标准表格标记:\intbl 标识表格内部,\row 标识行结束,\cell 标识单元格结束
table_rows = re.findall(r'\\intbl(.*?)\\row', content_with_table_tags, re.DOTALL)

parsed_table = []
for row in table_rows:
    # 提取当前行所有单元格内容,清洗多余RTF控制符
    cells = [re.sub(r'\\[a-zA-Z0-9]+', '', cell).strip() for cell in re.findall(r'(.*?)\\cell', row)]
    # 过滤全空行
    if any(cells):
        parsed_table.append(cells)

# 生成DataFrame,替换columns为你实际的表头即可
df = pd.DataFrame(parsed_table, columns=["列名1", "列名2", "列名3"])

# 导出为CSV
df.to_csv("输出结果.csv", index=False, encoding="utf-8-sig")

特殊结构适配

如果你的表格包含合并单元格、嵌套表格、多表格等特殊结构,按以下规则调整:

  • 合并单元格:提取单元格时对空值执行前向填充即可补全合并单元格内容
  • 多表格:增加\trowd(表格行定义标记)的匹配逻辑,拆分不同表格分别处理
  • 格式乱码:在单元格清洗步骤增加对应特殊字符的替换规则即可

结果验证

执行代码后打印df和你预期的输出格式对比,微调正则匹配规则即可完全匹配需求。

内容的提问来源于stack exchange,提问作者Revolucion for Monica

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.21 07:06:01