Konwertuj DOCX na CSV

Baza danych, arkusz kalkulacyjny, menedżer kontaktów lub skrypt przetwarzający dane może akceptować dane tabelaryczne wyłącznie w formacie CSV i odrzucać dokument Word. Konwersja tabeli do formatu CSV sprawia, że jej wiersze i pola można importować, ale nie zachowuje wizualnego układu dokumentu.

Czym jest format DOCX

DOCX to oparty na XML format dokumentów używany przez Microsoft Word i obsługiwany przez LibreOffice Writer, Apple Pages, Google Docs oraz systemy zarządzania dokumentami. Może zawierać sformatowane akapity, tabele, obrazy, nagłówki, stopki, komentarze i inne informacje dotyczące układu. Pliki DOCX często zawierają raporty, formularze, faktury i listy.

Plik DOCX może zawierać zarówno uporządkowane tabele, jak i zwykłe akapity. Tabelę można zazwyczaj wyeksportować jako wiersze i kolumny; tekst jedynie wyrównany za pomocą spacji lub tabulatorów należy najpierw uporządkować. Starszy format .doc różni się wewnętrznie, ale jego tabele również można skopiować do arkusza kalkulacyjnego i zapisać jako CSV.

Czym jest format CSV

CSV, czyli wartości rozdzielane przecinkami, to zwykły tekst, w którym rekordy zwykle zajmują osobne wiersze, a pola są oddzielone separatorem, najczęściej przecinkiem. Aplikacje arkuszy kalkulacyjnych, bazy danych, narzędzia wiersza poleceń, oprogramowanie statystyczne i języki programowania mogą go odczytywać bez konieczności korzystania z informacji o układzie strony.

CSV nadaje się do filtrowania, sortowania, importowania, archiwizowania i przesyłania uporządkowanych rekordów. Nie może zachować czcionek, obrazów, podziałów stron, komentarzy, wyglądu scalonych komórek ani większości pozostałych elementów formatowania dokumentu. Plik CSV jest zazwyczaj jedną prostokątną tabelą; niezależne tabele z tego samego pliku DOCX należy zwykle eksportować osobno.

Jak przekonwertować jedną tabelę za pomocą oprogramowania komputerowego

1. Otwórz plik DOCX w Microsoft Word lub LibreOffice Writer i upewnij się, że źródło jest rzeczywistą tabelą. Jeśli jest to zwykły tekst, najpierw przekonwertuj go na tabelę za pomocą polecenia Table → Convert → Text to Table w Word lub jego odpowiednika w Writer.
2. Zaznacz tabelę i skopiuj ją. W Writer użyj polecenia Table → Select → Table przed skopiowaniem.
3. Wklej ją do komórki A1 w Microsoft Excel lub LibreOffice Calc.
4. Usuń wiersze tytułowe, uwagi, puste wiersze i ozdobne kolumny, które nie powinny stać się importowanymi polami. Sprawdź, czy każdy rekord zajmuje jeden wiersz, a każde pole jedną kolumnę.
5. W Excel wybierz File → Save As i wybierz opcję CSV UTF-8 (Comma delimited) (*.csv). W Calc wybierz File → Save As, wybierz Text CSV (.csv) i ustaw zestaw znaków na UTF-8.
6. Gdy Calc wyświetli opcje eksportu, wybierz przecinek jako separator pól, chyba że miejsce docelowe wymaga innego separatora, i pozostaw włączone ujmowanie tekstu w cudzysłowy.

Excel i Calc mogą ostrzegać, że CSV nie zachowuje funkcji skoroszytu; potwierdź użycie formatu CSV. Word zasadniczo nie udostępnia bezpośredniego polecenia eksportu z DOCX do CSV, dlatego kopiowanie tabeli za pośrednictwem arkusza kalkulacyjnego jest praktyczną metodą ręczną.

Jak zautomatyzować wyodrębnianie tabel

W przypadku cyklicznych konwersji zainstaluj python-docx za pomocą polecenia python -m pip install python-docx. Zapisz poniższy kod jako docx_table_to_csv.py, aby wyeksportować pierwszą tabelę:

from csv import writer
from docx import Document

source = Document("input.docx")
if not source.tables:
    raise ValueError("No table found")

table = source.tables[0]
with open("output.csv", "w", newline="", encoding="utf-8-sig") as file:
    csv_writer = writer(file)
    for row in table.rows:
        csv_writer.writerow([cell.text.replace("\n", " ").strip() for cell in row.cells])

Umieść plik input.docx obok skryptu i uruchom polecenie python docx_table_to_csv.py. Zmień source.tables[0] na inny indeks, aby wybrać inną tabelę. W przypadku wielu tabel zapisz każdą tabelę w osobnym pliku CSV, chyba że mają identyczne nagłówki i kolumny; dołączenie niezależnych tabel do jednego pliku CSV tworzy niejednoznaczny zbiór danych.

Konwersja online

Usługi CloudConvert, Convertio i Zamzar mogą oferować konwersję DOCX do CSV, chociaż dostępne formaty i sposób wyodrębniania danych mogą się zmieniać. Przesyłaj wyłącznie pliki niepoufne, sprawdź, czy usługa wyraźnie obsługuje tę konwersję, przejrzyj pobrany plik CSV i usuń przesłany plik, jeśli usługa udostępnia taką opcję.

Usługi online mogą wyodrębniać widoczny tekst zamiast komórek tabeli, nieprawidłowo obsługiwać wiele tabel albo nie radzić sobie z tabelami zagnieżdżonymi i złożonymi układami. Wyodrębnianie na komputerze jest preferowane w przypadku dokumentów poufnych, dużych partii plików lub potrzeby uzyskania powtarzalnych wyników.

Kontrola jakości i zgodności

• Nie istnieje uniwersalne odwzorowanie układu DOCX na CSV. Strona programu Word jest zorientowana na dokument, podczas gdy CSV przedstawia pola i rekordy w prostokątnej strukturze.
• Scalone komórki, tabele zagnieżdżone, powtarzające się wiersze nagłówków, przypisy i podziały wierszy wewnątrz komórek wymagają ręcznej kontroli. Narzędzia wyodrębniające mogą powielać wartości scalonych komórek, tworzyć puste pola lub usuwać podziały wierszy.
• Pola zawierające przecinki, cudzysłowy lub podziały wierszy muszą być ujęte w podwójne cudzysłowy zgodnie z zasadami stosowanymi w CSV. Nie usuwaj tych cudzysłowów podczas czyszczenia danych.
• Używaj UTF-8 w przypadku znaków diakrytycznych i alfabetów innych niż łaciński. BOM UTF-8, tworzony przez utf-8-sig, może ułatwić rozpoznawanie kodowania, gdy plik jest otwierany bezpośrednio w niektórych starszych wersjach Excel, ale jest zbędny w systemach oczekujących zwykłego UTF-8.
• Konwencje dotyczące separatorów różnią się w zależności od aplikacji i ustawień regionalnych. System odbierający może wymagać średników lub tabulatorów zamiast przecinków; użyj wskazanego separatora i sprawdź, czy oczekuje wiersza nagłówków.
• Excel może ponownie zinterpretować identyfikatory takie jak 00123, daty, długie liczby i kody kont. Importuj plik CSV za pomocą okna dialogowego importu danych w Excel i ustaw kolumny identyfikatorów jako Text, zamiast otwierać plik dwukrotnym kliknięciem.
• Przed zaimportowaniem pliku CSV do innego systemu porównaj jego nagłówki, liczbę wierszy, liczbę kolumn i przykładowe rekordy z plikiem DOCX. Gdy masz wątpliwości dotyczące ujmowania tekstu w cudzysłowy lub kodowania, sprawdź wynik zarówno w edytorze zwykłego tekstu, jak i w arkuszu kalkulacyjnym.