这篇文章就来聊聊如何用Python把Excel数据批量填到Word表格里，重点解决新手常碰到的类型错误和循环逻辑问题，还会附上可直接运行的代码。
在自动化办公的日常里，经常需要把结构化数据（比如订单明细、报价单）从Excel搬到Word模板里。用pandas加上python-docx这套组合拳，就能高效、可靠地搞定跨格式数据填充。
核心问题出在哪里？
之前有读者反馈，代码报错 TypeError: list indices must be integers or slices, not str。这到底是怎么回事？
- 根本原因在于：
df.to_dict("records")返回的是字典列表，比如[{"ORDER": "ORD001", ...}, {...}]，而不是单个字典； - 但代码里却直接用了
sda["ORDER"]，试图用字符串去索引这个列表，自然就报错了； - 同时，嵌套遍历
rows.cells再手动索引每个单元格，既冗余又容易出错。
正确的实现方式
正确的思路是行级一一映射：把Word表格的每一行和Excel DataFrame的每一行记录对齐，然后用 zip() 配对处理：
import pandas as pd
from docx import Document
from pathlib import Path
base_dir = Path(__file__).parent
word_template_path = base_dir / "WordTemplate.docx"
excel_path = base_dir / "ExcelSource.xlsx"
output_dir = base_dir / "OUTPUT"
output_dir.mkdir(exist_ok=True)
# 读取Excel数据（指定工作表）
df = pd.read_excel(excel_path, sheet_name="Feuil2")
# 转为字典列表：每条记录对应一行Excel数据
records = df.to_dict("records")
# 加载Word模板
doc = Document(word_template_path)
table = doc.tables[0] # 假设目标表格为第一个表格
# 按行配对：Word表格行 ↔ Excel记录
for row, record in zip(table.rows, records):
# 确保列数匹配（避免IndexError）
if len(row.cells) < 7:
raise ValueError(f"Word表格第{table.rows.index(row)+1}行单元格数量不足7列，无法映射ORDER/ITEM/Q1/Q2/PRICE/TVA/TOTAL字段")
# 逐列填入值（自动转为字符串，兼容数字/日期等类型）
row.cells[0].text = str(record.get("ORDER", ""))
row.cells[1].text = str(record.get("ITEM", ""))
row.cells[2].text = str(record.get("Q1", ""))
row.cells[3].text = str(record.get("Q2", ""))
row.cells[4].text = str(record.get("PRICE", ""))
row.cells[5].text = str(record.get("TVA", ""))
row.cells[6].text = str(record.get("TOTAL", ""))
# 保存结果
output_path = output_dir / "FilledDocument.docx"
doc.sa ve(output_path)
print(f"✅ 数据已成功写入：{output_path}")
几个必须注意的细节
- ✅ 字段名严格匹配：Excel列标题（比如"ORDER"）必须和代码里的
record.get("ORDER")完全一致，大小写也要小心； - ✅ 行列数量对齐：Word表格的行数要 ≥ Excel记录数；如果记录更多，可以用
itertools.islice()或者循环追加新行； - ✅ 空值安全处理：用
.get("KEY", "")代替直接索引，能有效防止KeyError； - ✅ 格式兼容性：
.text属性只接受字符串，所以统一用str()转换，数值、日期等类型都会被正确格式化显示； - ⚠️ 不支持合并单元格：python-docx 对跨行、跨列合并这类复杂表格支持有限，模板里最好用标准的单单元格结构。
按照这个思路，就能稳定、清晰地完成Excel到Word表格的数据迁移，批量生成文档的效率会大幅提升。
