### 如何用Python提取docx文档中的文本内容 在 Python 中，`python-docx` 是一种强大的库，用于操作 Microsoft Word 文档（`.docx`）。它不仅可以帮助创建和修改 `.docx` 文件，还可以从中提取各种类型的文本内容。以下是关于如何使用 `python-docx` 提取文档中段落、标题以及表格的具体方法。 #### 使用 python-docx 遍历段落 为了从 `.docx` 文件中提取段落内容，可以通过访问 `Document` 对象的 `paragraphs` 属性实现。该属性返回一个包含所有段落对象的列表，每个段落都可以通过其 `text` 属性获取纯文本内容[^1]。 ```python from docx import Document def extract_paragraphs(file_path): document = Document(file_path) paragraphs_text = [] for paragraph in document.paragraphs: paragraphs_text.append(paragraph.text) return paragraphs_text file_path = 'example.docx' paragraphs_content = extract_paragraphs(file_path) print("\n".join(paragraphs_content)) ``` 上述代码展示了如何加载 `.docx` 文件并逐段提取其中的内容。 #### 提取标题和表格内容 对于 `.docx` 文件中的标题和表格内容，同样可以利用 `python-docx` 库的功能完成。标题通常作为特定样式的段落存在，而表格则存储于 `tables` 属性下。下面是一个简单的例子，展示如何提取这些部分的数据[^2]： ```python def extract_titles_and_tables(file_path): document = Document(file_path) titles = [] tables_data = [] for element in document.element.body: if isinstance(element, CT_P): # Check if it's a paragraph style_name = element.style.name if hasattr(element, 'style') and element.style is not None else '' if 'Heading' in style_name: # Assuming headings are styled as HeadingX titles.append(element.text) elif isinstance(element, CT_Tbl): # If the current item is a table table_rows = [[cell.text for cell in row.cells] for row in element.rows] tables_data.append(table_rows) return titles, tables_data titles_list, tables_info = extract_titles_and_tables('example.docx') for title in titles_list: print(f"Title: {title}") for idx, table in enumerate(tables_info): print(f"\nTable {idx + 1}:") for row in table: print(row) ``` 此脚本会分别打印出所有的标题及其对应的表格数据。 #### 批量提取文本框内的文本 如果目标是从多个 `.docx` 文件中批量提取嵌入式文本框的文字，则需要更深入地解析 XML 结构或者借助其他第三方工具辅助完成这一任务。然而，在大多数情况下，标准的 `python-docx` 已能满足基本需求[^3]。 尽管如此，某些复杂场景可能涉及非结构化布局或特殊格式化的区域，此时建议考虑结合正则表达式或者其他专门设计用来处理办公自动化任务的框架一起工作。 ---