### 如何使用 Python 提取 DOCX 文件中的章节文本 要实现从 `.docx` 文件中按章节提取文本内容，可以通过 `python-docx` 库来完成。以下是详细的说明和代码示例。 #### 依赖库安装 首先需要确保已安装 `python-docx` 库。如果尚未安装，可通过以下命令进行安装： ```bash pip install python-docx ``` #### 实现方法 `.docx` 文件通常由多个段落组成，而所谓的“章节”通常是通过特定的标题样式（如 Heading 1, Heading 2 等）分隔开的内容区域。因此，可以从这些标题样式的段落入手，识别出各个章节及其对应的正文内容。 下面是一个完整的代码示例： ```python from docx import Document def extract_chapters(doc_path): document = Document(doc_path) chapters = [] current_chapter_title = None current_chapter_content = [] for paragraph in document.paragraphs: style_name = paragraph.style.name if paragraph.style else 'Normal' # 判断是否为章节标题 (Heading 1 或其他自定义标题样式) if style_name.startswith('Heading'): if current_chapter_title is not None and current_chapter_content: chapters.append({ "title": current_chapter_title, "content": "\n".join(current_chapter_content).strip() }) # 更新当前章节标题 current_chapter_title = paragraph.text.strip() current_chapter_content = [] # 清空上一章节内容 elif current_chapter_title is not None: # 如果不是标题，则认为是该章节下的正文内容 current_chapter_content.append(paragraph.text) # 添加最后一个章节 if current_chapter_title is not None and current_chapter_content: chapters.append({ "title": current_chapter_title, "content": "\n".join(current_chapter_content).strip() }) return chapters # 调用函数并打印结果 if __name__ == "__main__": file_path = "example.docx" # 替换为实际路径 extracted_data = extract_chapters(file_path) for idx, chapter in enumerate(extracted_data, start=1): print(f"\nChapter {idx}: {chapter['title']}\n{chapter['content']}") ``` 上述代码实现了以下几个功能： 1. 遍历文档中的所有段落。 2. 根据段落的样式名称判断其是否属于某个级别的标题（如 `Heading 1`, `Heading 2`），从而划分不同的章节[^3]。 3. 将每个章节的标题与其对应的内容存储到字典列表中，并最终返回整个结构化的数据集。 #### 输出格式 运行此脚本后会得到如下形式的结果： ``` Chapter 1: Introduction This is the introduction section of the document. Chapter 2: Main Content Here we discuss the main content... ``` #### 注意事项 - **标题样式匹配**：默认情况下，程序假设章节标题采用的是 Word 中的标准标题样式（如 `Heading 1`, `Heading 2`）。如果目标文档使用的是一些非标准命名方式，则需调整条件逻辑以适配实际情况。 - **空白处理**：某些段落可能为空白行，在拼接时应考虑去除多余空格或换行符[^4]。 --- ###