Me han dado una fuente de datos que consiste en una tabla dentro de un documento de Word. (No puedo decidir las fuentes, así que por favor no recomiendo cambiarlo)
He llegado muy lejos en poder analizar esta tabla, todavía hay algunos problemas.
Dentro de PowerQuery, he descomprimido el docx para obtener el documento.xml y ubicado la tabla dentro de él. Todos los elementos de la tabla tienen la dirección /document/body/tbl/tr/tc/p/r/t. Sin embargo, cuando me expando a este nivel, hay dos problemas.
Primero, todas las celdas están en una sola columna "t", en lugar de estar en las múltiples columnas.
En segundo lugar, algunas de las celdas originales de la tabla se muestran como varias celdas, cada una con un elemento de "tabla". Creo que esto se debe al formato dentro del doument. Este es un problema más importante que el primero. ¿Hay alguna manera de combinar estos elementos de tabla o expandirlos aunque la mayoría de las otras entradas de la columna sean texto?
Alternativamente, ¿hay alguna manera de convertir un binario a un formato mejor dentro de PowerQuery? Actualmente estoy usando esto para descomprimir el archivo, si hubiera algo similar que pudiera convertirlo a pdf de html o algo más donde PBI pudiera identificar fácilmente la tabla, eso también funcionaría.
