近年来，大型语言模型（LLMs）在文本解析与代码生成任务中展现出卓越的能力。然而，在处理涉及表格数据的任务，尤其是需要符号推理的场景时，其性能往往受到网络表格中单元格值结构差异大、不一致等问题的制约。本文提出一种名为NormTab的新框架，旨在通过规范化网络表格来提升LLMs的符号推理能力。我们首次将表格规范化视为一个独立的、一次性预处理步骤，利用LLMs对表格数据进行标准化处理，以支持后续的符号推理任务。在WikiTableQuestion和TabFact等具有挑战性的网络表格数据集上的实验评估表明，引入NormTab能够显著提升符号推理性能，充分验证了网络表格规范化在增强基于LLM的符号推理任务中的重要性与有效性。