使用python-doc库，将100份doc文件中文字，表格全都提取出来，把文字，表格存储到CSV文件

Python的`python-docx`库主要用于读取和操作Word文档，如果你需要从多个DOC文件中提取文本和表格并保存到CSV，可以按照以下步骤进行：

1. 首先安装必要的库：

   pip install python-docx pandas openpyxl

这里我们还需要`pandas`用于处理数据和创建CSV，以及`openpyxl`（如果包含Excel表格）。

2. 定义函数，遍历文件夹中的所有DOC文件：

import os
from docx import Document
import pandas as pd

def extract_data_from_doc(input_folder, output_file):
    data = []
    
    for filename in os.listdir(input_folder):
        if filename.endswith('.doc'):
            doc = Document(os.path.join(input_folder, filename))
            
            # 提取文本内容
            text_content = '\n'.join([para.text for para in doc.paragraphs])
            
            # 检查是否有表格，如果有，转换成列表
            tables = doc.tables
            table_data = [table.rows for table in tables] if tables else None
            
            # 如果有表格，将其添加到data列表中
            if table_data is not None:
                table_data = [row.cells for row in table_data]
                
            data.append({
                'filename': filename,
                'text': text_content,
                'tables': table_data,
            })
            
    # 将提取的数据整理为DataFrame，并保存为CSV
    df = pd.DataFrame(data)
    df.to_csv(output_file, index=False)

# 调用函数，传入输入文件夹路径和输出CSV文件名
input_folder = "path/to/your/doc/files"
output_file = "extracted_data.csv"
extract_data_from_doc(input_folder, output_file)

**注意事项：**
- 如果有包含Excel表格的DOCX文件，上述代码仅适用于纯文本的表格，对于Excel类型的表格，你需要使用`openpyxl`库来处理。
- `os.listdir()`返回的是当前目录下的所有文件和子目录名称，你可能需要额外处理文件类型过滤。
- 如果文件夹很大，一次性加载所有文件可能会占用大量内存，考虑分批处理。