python-docx顺序解析word中的表格、图片、段落

        近期在工作中需要解析word，然后上传到redmine，网上搜索了下相关解析的教程，有单独解析表格的、段落的、图片的，没有按顺序解析。

        后面找到一份教程，顺序解析了word，但是无法解析图片，综合了一下各教程的解析思路，让我顺利摸出了解决之法：

方案一：

# docx
import docx
from docx.document import Document
from docx.text.paragraph import Paragraph
from docx.parts.image import ImagePart
from docx.table import _Cell, Table

from docx.oxml.table import CT_Tbl
from docx.oxml.text.paragraph import CT_P
    
# 该行只能有一个图片
def is_image(graph:Paragraph,doc:Document):
    images = graph._element.xpath('.//pic:pic')  # 获取所有图片
    for image in images:
        for img_id in image.xpath('.//a:blip/@r:embed'):  # 获取图片id
            part = doc.part.related_parts[img_id]  # 根据图片id获取对应的图片
            if isinstance(part, ImagePart):
                return True
    return False

# 获取图片（该行只能有一个图片）
def get_ImagePart(graph:Paragraph,doc:Document):
    images = graph._element.xpath('.//pic:pic')  # 获取所有图片
    for image in images:
        for img_id in image.xpath('.//a:blip/@r:embed'):  # 获取图片id
            part = doc.part.related_parts[img_id]  # 根据图片id获取对应的图片
            if isinstance(part, ImagePart):
                return part 
    return None

def iter_block_items(parent):
    """
    Yield each paragraph and table child within *parent*, in document order.
    Each returned value is an instance of either Table or Paragraph. *parent*
    would most commonly be a reference to a main Document object, but
    also works for a _Cell object, which itself can contain paragraphs and tables.
    """
    if isinstance(parent, Document):
        parent_elm = parent.element.body
    elif isinstance(parent, _Cell):
        parent_elm = parent._tc
    else:
        raise ValueError("something's not right")

    for child in parent_elm.iterchildren():
        if isinstance(child, CT_P):
            paragraph=Paragraph(child, parent)
            if is_image(paragraph,parent):
                print('[Image] ')
                yield get_ImagePart(paragraph, parent) 
            print('[Text] ')
            yield Paragraph(child, parent)
        elif isinstance(child, CT_Tbl):
            print('[Table] ')
            yield Table(child, parent)


def parse_word(word_path):
    doc = docx.Document(word_path)
    for part in iter_block_items(doc):
        print(part)

此方案是在Python顺序读取word文档中的文本与表格_python docx 读所有文本 包括表格中的-CSDN博客仁兄的基础上增加了解析图片。

方案二：

        方案一是利用迭代器进行遍历，无法控制，比如说遍历到某个特殊节点，需要连续处理后面几个节点时，就无法做到，因此有了方案二：

# docx
import docx
from docx.document import Document
from docx.text.paragraph import Paragraph
from docx.parts.image import ImagePart
from docx.table import _Cell, Table

from docx.oxml.table import CT_Tbl
from docx.oxml.text.paragraph import CT_P


def paser_part1(block,doc:Document):
    if isinstance(block, CT_P):
        para=Paragraph(block, doc)
        if is_image(para,doc):
            print('[Image] ', block)
            return get_ImagePart(para, doc)           
        print('[Text] ', block.text)
        return Paragraph(block, doc)
    elif isinstance(block, CT_Tbl):
        print('[Table] ',block)
        return Table(block, doc)

def parse_word(word_path):
    doc = docx.Document(word_path)
    it=iter(doc.element.body)#创建一个迭代器
    part=next(it)
    block=paser_part(part,doc)
    print(block)

 方案二可以利用next函数（python自带的迭代器）获取下一个，达到控制的结果。

两个问题：

1：无法往回读取；

2：无法获取大纲编号（可以获取等级）

以上两个问题如果有解决办法，请@我，谢谢。