### 如何使用 Python 读取 docx 文件 为了有效地读取 `.docx` 文件，可以采用 `python-docx` 库来完成这一任务。以下是详细的解决方案： --- #### 1. **安装必要的库** 在开始之前，需确保已正确安装 `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 ``` --- #### 2. **基本读取功能** 通过 `python-docx` 可以方便地访问 `.docx` 文件中的段落、表格以及其他内容。以下是一个基础示例，展示如何读取文档中的所有段落并打印其内容。 ```python from docx import Document def read_docx(file_path): # 打开 .docx 文件 document = Document(file_path) # 遍历所有段落 paragraphs = [] for paragraph in document.paragraphs: paragraphs.append(paragraph.text) return "\n".join(paragraphs) if __name__ == "__main__": file_path = "example.docx" # 替换为实际文件路径 content = read_docx(file_path) print(content) ``` 此代码片段展示了如何逐段读取 `.docx` 文件的内容，并将其拼接成一个完整的字符串输出[^4]。 --- #### 3. **高级操作：提取特定部分的信息** 除了简单地读取整个文档外，还可以针对更复杂的场景进行扩展，比如仅保留非中文段落或提取表格数据。 ##### (a) 去除中文段落 以下代码演示了如何去掉包含中文字符的段落，只保留其他语言的部分。 ```python import re from docx import Document def remove_chinese_paragraphs(doc): for paragraph in list(doc.paragraphs): # 使用列表副本防止迭代过程中修改原集合引发异常 text = paragraph.text.strip() if re.search(r'[\u4e00-\u9fff]', text): # 查找是否存在任何汉字 p = paragraph._element p.getparent().remove(p) # 移除对应 XML 元素 p._p = p._element = None # 断开引用关系 return doc if __name__ == "__main__": file_path = "example.docx" document = Document(file_path) cleaned_document = remove_chinese_paragraphs(document) cleaned_document.save("cleaned_example.docx") ``` 这段脚本能够有效过滤掉含有中文的段落后保存新的文档[^2]。 ##### (b) 提取表格数据 当需要获取文档内的表格信息时，也可以很方便地做到这一点。 ```python from docx import Document def extract_tables(file_path): document = Document(file_path) tables_data = [] for table in document.tables: rows = [] for row in table.rows: cells = [cell.text.strip() for cell in row.cells] rows.append(cells) tables_data.append(rows) return tables_data tables = extract_tables("example_with_table.docx") for idx, table in enumerate(tables, start=1): print(f"Table {idx}:") for row in table: print(row) ``` 以上代码可遍历文档中所有的表格并将它们作为二维数组返回[^4]。 --- #### 4. **注意事项** - 确保目标文件确实是 `.docx` 格式而非旧版 `.doc`。后者可能无法被正常解析，除非先转换为现代格式[^3]。 - 若遇到编码问题或者特殊字体显示异常的情况，请确认源文件本身无损且兼容最新版本 Office 规范。 --- ###