227 lines
4.9 KiB
Markdown
227 lines
4.9 KiB
Markdown
# HOWTO: Word 表格导入 SQLite 并导出字段化 CSV
|
||
|
||
这份说明面向实际使用：把报备表 `.docx` 导入 SQLite，然后把自动识别出的字段内容导出成 CSV，方便用 WPS/Excel 查看。
|
||
|
||
## 1. 准备文件
|
||
|
||
需要两个文件：
|
||
|
||
- `wordtable2sqlite`：macOS 可执行文件。
|
||
- `要导入的 .docx`：例如重要服务事项报备表。
|
||
|
||
在 Windows 上使用时，对应可执行文件是：
|
||
|
||
- `wordtable2sqlite-windows-amd64.exe`
|
||
|
||
## 2. 导入单个 Word 文件
|
||
|
||
macOS 示例：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite -reset -db report.sqlite input.docx
|
||
```
|
||
|
||
Windows 示例：
|
||
|
||
```powershell
|
||
.\wordtable2sqlite-windows-amd64.exe -reset -db report.sqlite input.docx
|
||
```
|
||
|
||
参数含义：
|
||
|
||
- `-db report.sqlite`：指定输出的 SQLite 数据库文件。
|
||
- `-reset`：导入前删除旧数据库，适合重新生成结果。
|
||
- `input.docx`：要导入的 Word 文件路径。
|
||
|
||
执行成功后会看到类似输出：
|
||
|
||
```text
|
||
imported input.docx: 1 tables, 31 cells, 15 fields
|
||
database: report.sqlite
|
||
```
|
||
|
||
含义是：
|
||
|
||
- `tables`：识别到几张 Word 表格。
|
||
- `cells`：保存了多少个原始单元格。
|
||
- `fields`：自动抽取了多少个字段化内容。
|
||
|
||
## 3. 批量导入多个 Word 文件
|
||
|
||
把多个 `.docx` 导入到同一个数据库：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite -reset -db reports.sqlite *.docx
|
||
```
|
||
|
||
如果是后续追加导入，不想清空旧数据，就不要加 `-reset`：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite -db reports.sqlite another.docx
|
||
```
|
||
|
||
## 4. 数据库里有什么表
|
||
|
||
导入后会生成 4 张主要表：
|
||
|
||
- `documents`：每个导入的 Word 文件。
|
||
- `tables`：每个 Word 文件里的表格。
|
||
- `cells`：原始单元格内容，保留行号、列号、合并单元格信息。
|
||
- `fields`：字段化内容，最适合业务人员查看和检索。
|
||
|
||
一般看业务内容，优先看 `fields`。
|
||
|
||
## 5. 查看字段化内容
|
||
|
||
普通用户优先导出 CSV 后用 WPS/Excel 打开，见下一节。
|
||
|
||
如果机器上安装了 `sqlite3`，也可以直接查看数据库：
|
||
|
||
```bash
|
||
sqlite3 report.sqlite
|
||
```
|
||
|
||
进入 SQLite 后执行：
|
||
|
||
```sql
|
||
.headers on
|
||
.mode line
|
||
SELECT key, value FROM fields ORDER BY id;
|
||
```
|
||
|
||
`.mode line` 适合看长文本。每条记录会显示成：
|
||
|
||
```text
|
||
key = 事件过程
|
||
value = ...
|
||
```
|
||
|
||
如果想看表格模式：
|
||
|
||
```sql
|
||
.headers on
|
||
.mode box
|
||
SELECT key, value FROM fields ORDER BY id;
|
||
```
|
||
|
||
## 6. 导出字段化内容 CSV
|
||
|
||
这是最常用的导出方式：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite export-fields -db report.sqlite -out report-fields.csv
|
||
```
|
||
|
||
生成的 `report-fields.csv` 可以直接用 WPS/Excel 打开。
|
||
|
||
如果打开后中文乱码，使用 WPS/Excel 的“从文本/CSV 导入”，编码选择：
|
||
|
||
```text
|
||
UTF-8
|
||
```
|
||
|
||
## 7. 导出原始单元格 CSV
|
||
|
||
如果要检查 Word 表格的原始行列结构，导出 `cells`：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite export-cells -db report.sqlite -out report-cells.csv
|
||
```
|
||
|
||
字段含义：
|
||
|
||
- `filename`：Word 文件名。
|
||
- `table_index`：第几张表，从 0 开始。
|
||
- `row_index`：第几行，从 0 开始。
|
||
- `cell_index`：该行第几个单元格。
|
||
- `col_index`：逻辑列号。
|
||
- `col_span`：横向合并了几列。
|
||
- `text`：单元格文字。
|
||
|
||
## 8. 常用查询
|
||
|
||
下面这些查询需要本机有 `sqlite3` 或其他 SQLite 查看工具。
|
||
|
||
查所有字段名：
|
||
|
||
```sql
|
||
SELECT key FROM fields ORDER BY id;
|
||
```
|
||
|
||
查某个字段：
|
||
|
||
```sql
|
||
SELECT value FROM fields WHERE key = '工单编号';
|
||
```
|
||
|
||
按文件查看字段：
|
||
|
||
```sql
|
||
SELECT d.filename, f.key, f.value
|
||
FROM fields f
|
||
JOIN documents d ON d.id = f.document_id
|
||
ORDER BY d.id, f.id;
|
||
```
|
||
|
||
查原始单元格：
|
||
|
||
```sql
|
||
SELECT row_index, cell_index, text
|
||
FROM cells
|
||
ORDER BY table_index, row_index, cell_index;
|
||
```
|
||
|
||
## 9. 推荐查看方式
|
||
|
||
给业务人员看：
|
||
|
||
1. 先导出 `report-fields.csv`。
|
||
2. 用 WPS/Excel 打开。
|
||
3. 每一行就是一个字段：`key` 是字段名，`value` 是字段内容。
|
||
|
||
给开发或调试看：
|
||
|
||
1. 打开 `report.sqlite`。
|
||
2. 查看 `cells` 判断 Word 原始表格结构。
|
||
3. 查看 `fields` 判断字段抽取是否符合预期。
|
||
|
||
## 10. 表格复杂度限制
|
||
|
||
当前字段化抽取主要面向常见报备表：
|
||
|
||
- 一行标题。
|
||
- 一行表头。
|
||
- 一行或多行数据。
|
||
|
||
工具会保留所有原始单元格到 `cells`，并按逻辑列处理横向合并的表头。如果 Word 表格包含复杂多行表头、纵向合并单元格、嵌套表格，建议同时导出 `report-cells.csv` 检查原始行列结构。
|
||
|
||
## 11. 样例命令模板
|
||
|
||
导入：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite -reset -db report.sqlite input.docx
|
||
```
|
||
|
||
导出字段化 CSV：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite export-fields -db report.sqlite -out report-fields.csv
|
||
```
|
||
|
||
导出原始单元格 CSV：
|
||
|
||
```bash
|
||
./bin/wordtable2sqlite export-cells -db report.sqlite -out report-cells.csv
|
||
```
|
||
|
||
## 12. 开发者验证
|
||
|
||
如果需要从源码编译或修改代码，使用：
|
||
|
||
```bash
|
||
go test ./...
|
||
go vet ./...
|
||
go build -o bin/wordtable2sqlite .
|
||
```
|