Convertir DOCX en CSV

Une base de données, une feuille de calcul, un gestionnaire de contacts ou un script de traitement des données peut accepter des données tabulaires uniquement au format CSV et rejeter un document Word. La conversion du tableau au format CSV rend ses lignes et ses champs importables, mais elle ne préserve pas la mise en page visuelle du document.

Qu’est-ce que le format DOCX ?

DOCX est le format de document basé sur XML utilisé par Microsoft Word et pris en charge par LibreOffice Writer, Apple Pages, Google Docs et les systèmes de gestion documentaire. Il peut contenir des paragraphes mis en forme, des tableaux, des images, des en-têtes, des pieds de page, des commentaires et d’autres informations de mise en page. Les fichiers DOCX contiennent généralement des rapports, des formulaires, des factures et des listes.

Un fichier DOCX peut contenir des tableaux structurés ainsi que des paragraphes ordinaires. Un tableau peut généralement être exporté sous forme de lignes et de colonnes ; le texte simplement aligné avec des espaces ou des tabulations doit d’abord être structuré. L’ancien format .doc est différent en interne, mais ses tableaux peuvent également être copiés dans une feuille de calcul puis enregistrés au format CSV.

Qu’est-ce que le format CSV ?

CSV, ou valeurs séparées par des virgules, est un format texte brut dans lequel les enregistrements occupent normalement des lignes et les champs sont séparés par un délimiteur, généralement une virgule. Les tableurs, les bases de données, les outils en ligne de commande, les logiciels statistiques et les langages de programmation peuvent le lire sans nécessiter d’informations de mise en page.

Le format CSV convient au filtrage, au tri, à l’importation, à l’archivage et au transfert d’enregistrements structurés. Il ne peut pas préserver les polices, les images, les sauts de page, les commentaires, l’apparence des cellules fusionnées ni la plupart des autres éléments de mise en forme d’un document. Un fichier CSV est normalement un tableau rectangulaire unique ; les tableaux indépendants d’un même DOCX doivent généralement être exportés séparément.

Convertir un tableau avec un logiciel de bureau

1. Ouvrez le DOCX dans Microsoft Word ou LibreOffice Writer et vérifiez que la source est bien un tableau. S’il s’agit de texte brut, convertissez-le d’abord en tableau à l’aide de Table → Convert → Text to Table dans Word, ou de la commande équivalente dans Writer.
2. Sélectionnez le tableau et copiez-le. Dans Writer, utilisez Table → Select → Table avant de le copier.
3. Collez-le dans la cellule A1 de Microsoft Excel ou de LibreOffice Calc.
4. Supprimez les lignes de titre, les notes, les lignes vides et les colonnes décoratives qui ne doivent pas devenir des champs importés. Vérifiez que chaque enregistrement occupe une ligne et chaque champ une colonne.
5. Dans Excel, choisissez File → Save As et sélectionnez CSV UTF-8 (Comma delimited) (*.csv). Dans Calc, choisissez File → Save As, sélectionnez Text CSV (.csv) et définissez le jeu de caractères sur UTF-8.
6. Lorsque Calc affiche les options d’exportation, choisissez la virgule comme délimiteur de champs, sauf si la destination en indique un autre, et laissez la mise entre guillemets du texte activée.

Excel et Calc peuvent avertir que le format CSV ne permet pas de préserver les fonctionnalités du classeur ; confirmez le format CSV. Word ne fournit généralement pas de commande d’exportation directe de DOCX vers CSV : copier le tableau via un tableur est donc la méthode manuelle la plus pratique.

Automatiser l’extraction d’un tableau

Pour des conversions répétées, installez python-docx avec python -m pip install python-docx. Enregistrez ceci sous docx_table_to_csv.py pour exporter le premier tableau :

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])

Placez input.docx à côté du script et exécutez python docx_table_to_csv.py. Remplacez source.tables[0] par un autre index pour traiter un autre tableau. Pour plusieurs tableaux, écrivez chaque tableau dans un fichier CSV distinct, sauf s’ils possèdent des en-têtes et des colonnes identiques ; ajouter des tableaux indépendants dans un même fichier CSV produit un jeu de données ambigu.

Conversion en ligne

CloudConvert, Convertio et Zamzar peuvent proposer la conversion de DOCX vers CSV, bien que les formats disponibles et le comportement d’extraction puissent changer. Téléversez uniquement des fichiers non confidentiels, vérifiez que le service prend explicitement en charge cette conversion, examinez le fichier CSV téléchargé et supprimez le fichier téléversé lorsque le service propose cette option.

Les services en ligne peuvent extraire le texte visible plutôt que les cellules du tableau, gérer incorrectement plusieurs tableaux ou échouer avec les tableaux imbriqués et les mises en page complexes. L’extraction sur ordinateur est préférable pour les documents confidentiels, les traitements par lots importants ou les résultats reproductibles.

Contrôles de qualité et de compatibilité

• Il n’existe pas de correspondance universelle entre la mise en page DOCX et CSV. Une page Word est orientée document, tandis que le format CSV représente des champs et des enregistrements dans une structure rectangulaire.
• Les cellules fusionnées, les tableaux imbriqués, les lignes d’en-tête répétées, les notes de bas de page et les sauts de ligne à l’intérieur des cellules nécessitent une vérification manuelle. Les extracteurs peuvent dupliquer les valeurs fusionnées, créer des champs vides ou aplatir les sauts de ligne.
• Les champs contenant des virgules, des guillemets ou des sauts de ligne doivent être placés entre guillemets doubles conformément aux règles d’échappement du format CSV. Ne supprimez pas ces guillemets lors du nettoyage.
• Utilisez UTF-8 pour les caractères accentués et les écritures non latines. Un BOM UTF-8, produit par utf-8-sig, peut améliorer la reconnaissance lorsque le fichier est ouvert directement dans certaines anciennes versions d’Excel, mais il est inutile pour les systèmes qui attendent un UTF-8 simple.
• Les conventions de délimitation varient selon l’application et les paramètres régionaux. Un système destinataire peut exiger des points-virgules ou des tabulations au lieu de virgules ; utilisez le délimiteur indiqué et vérifiez s’il attend une ligne d’en-tête.
• Excel peut réinterpréter les identifiants tels que 00123, les dates, les nombres longs et les codes de compte. Importez le fichier CSV à l’aide de la boîte de dialogue d’importation des données d’Excel et définissez les colonnes d’identifiants sur Text au lieu d’ouvrir le fichier par double-clic.
• Comparez les en-têtes, le nombre de lignes, le nombre de colonnes et des enregistrements représentatifs du fichier CSV avec ceux du DOCX avant de l’importer dans un autre système. Vérifiez le résultat à la fois dans un éditeur de texte brut et dans un tableur en cas de doute concernant la mise entre guillemets ou l’encodage.