python-docx

主要内容

• Document —
• Paragraph
• Run and Font
• Text
• Element
• related_parts

  解析

  Paragraph

  • paragraphs中不包含表格
  • paragraph.text只能获取w:p子节点w:r的text，所以特殊格式的text无法获取
  • paragraph._element可转为docx.oxml.text.paragraph.CT_P，可使用xml, xpath, getchildren等方法

import docx
doc = docx.Document('test.docx')
for paragraph in doc.paragraphs:
    print(paragraph.style.style_id)  # 段落格式 如'1'表示一级标题，'a'表示普通文本
    print(p._element.xml)
    print(paragraph.text)
    print(''.join(r.text for r in p._p.xpath('.//w:r')))  # 可获取全部text
    print(''.join(r.text for r in p._p.xpath('.//w:t')))  # 同上

Run an Font

for run in paragraph.runs:
    print(run.text)
    print(run._element.xml)
    (run.font.bold)

图片

超链接

样式