在Python中，可以通过`python-docx`库读取Word文档并提取每个段落中的行内容。`python-docx`是一个功能强大的库，能够处理Word文档的文本、表格、图片等多种内容[^1]。 ### 1. 安装 `python-docx` 在开始之前，确保已经安装了`python-docx`库。可以通过以下命令安装： ```bash pip install python-docx ``` ### 2. 读取Word文档并提取段落内容 `python-docx`库提供了`Document`类，用于读取Word文档的内容。每个段落存储在`paragraphs`属性中，可以通过遍历该属性来提取每个段落的内容。 以下是一个示例代码，展示如何读取Word文档并提取每个段落的内容： ```python from docx import Document # 打开Word文档 doc = Document('example.docx') # 遍历文档中的所有段落 for i, paragraph in enumerate(doc.paragraphs): # 提取段落内容 print(f'段落 {i+1}: {paragraph.text}') ``` ### 3. 提取段落中的行内容 Word文档中的段落通常以换行符分隔不同的行。如果需要提取段落中的每一行内容，可以通过分割段落文本实现。例如，使用`\n`作为分隔符来分割段落内容： ```python from docx import Document # 打开Word文档 doc = Document('example.docx') # 遍历文档中的所有段落 for i, paragraph in enumerate(doc.paragraphs): # 分割段落中的每一行内容 lines = paragraph.text.split('\n') for j, line in enumerate(lines): print(f'段落 {i+1}, 行 {j+1}: {line}') ``` ### 4. 提取段落中的格式信息 除了提取纯文本内容外，`python-docx`还支持提取段落的格式信息，例如字体、颜色、加粗、斜体等。可以通过`paragraph.runs`属性获取段落中的格式化文本。 以下是一个示例代码，展示如何提取段落中的格式信息： ```python from docx import Document # 打开Word文档 doc = Document('example.docx') # 遍历文档中的所有段落 for i, paragraph in enumerate(doc.paragraphs): print(f'段落 {i+1}:') for run in paragraph.runs: # 提取文本及其格式信息 print(f' 文本: {run.text}') print(f' 加粗: {run.bold}') print(f' 斜体: {run.italic}') print(f' 字体颜色: {run.font.color.rgb}') print(f' 字体大小: {run.font.size}') ``` ### 5. 处理大型文档 如果文档较大，建议使用逐行读取的方式处理，以避免内存占用过高。可以通过遍历段落并按需处理来优化性能。此外，可以将提取的内容保存到文件或数据库中，以便后续分析和处理[^1]。 ---