python-docx读取docx

### 使用 `python-docx` 库读取 DOCX 文件内容 #### 安装依赖 为了使用 `python-docx`，需要先通过以下命令安装该库： ```bash pip install python-docx ``` 需要注意的是，`python-docx` 只能操作 `.docx` 格式的文件，如果遇到 `.doc` 文件，则需将其转换为 `.docx` 后再进行处理[^1]。 --- #### 基本方法：读取文档中的段落文本 以下是利用 `python-docx` 读取 `.docx` 文件中所有段落的代码示例： ```python from docx import Document def read_docx_paragraphs(file_path): document = Document(file_path) # 打开指定路径下的 .docx 文件 paragraphs_text = [] # 存储段落文本 for paragraph in document.paragraphs: # 遍历文档中的每一个段落对象 paragraphs_text.append(paragraph.text) # 提取段落文字并存储到列表中 return paragraphs_text # 返回包含所有段落文本的列表 ``` 上述函数会返回一个字符串列表，其中每个元素代表文档中的一个段落[^3]。 --- #### 进阶功能：读取表格内容 除了段落外，`.docx` 文件可能还包含表格。可以通过如下方式提取表格内的数据： ```python def read_docx_tables(file_path): document = Document(file_path) tables_data = [] for table in document.tables: # 遍历文档中的所有表格 rows_data = [] for row in table.rows: # 遍历当前表格的每一行 cells_data = [cell.text.strip() for cell in row.cells] # 获取单元格的内容 rows_data.append(cells_data) tables_data.append(rows_data) # 将每张表的数据存入总列表中 return tables_data # 返回嵌套列表形式的表格数据 ``` 此函数能够逐个解析文档中的表格，并将它们转化为二维数组的形式。 --- #### 特殊部分：读取页眉和页脚 对于某些复杂需求，比如获取文档的页眉或页脚信息，可按照下面的方式实现： ```python def read_headers_footers(file_path): document = Document(file_path) headers, footers = [], [] for section in document.sections: # 遍历文档的所有节 (Section) header = section.header # 获得当前节的页眉对象 footer = section.footer # 获得当前节的页脚对象 if header.paragraphs: # 如果存在页眉段落 headers.extend([p.text for p in header.paragraphs]) if footer.paragraphs: # 如果存在页脚段落 footers.extend([p.text for p in footer.paragraphs]) return headers, footers # 返回页眉和页脚的文字内容 ``` 这段代码展示了如何访问不同章节 (`Sections`) 的页眉与页脚，并从中抽取所需的信息[^4]。 --- #### 综合应用实例 假设有一个名为 `example.docx` 的 Word 文档，我们希望一次性打印其所有的段落、表格以及页眉页脚内容： ```python if __name__ == "__main__": file_path = "example.docx" # 输出段落内容 paragraphs = read_docx_paragraphs(file_path) print("Paragraphs:", "\n".join(paragraphs)) # 输出表格内容 tables = read_docx_tables(file_path) print("\nTables:") for idx, table in enumerate(tables, start=1): print(f"Table {idx}:\n{table}") # 输出页眉页脚内容 headers, footers = read_headers_footers(file_path) print("\nHeaders:", headers) print("Footers:", footers) ``` 以上程序综合运用了前面介绍的各种技术来全面分析目标 `.docx` 文件[^2]。 ---