13.3.1 读取 Word 文档

让我们尝试使用 python-docx  模块。从 http://nostarch.com/automatestuff/下载
demo.docx，并将它保存在当前工作目录中。然后在交互式环境中输入以下代码：

>>>  import  docx
➊  >>>  doc  =  docx.Document('demo.docx')
➋  >>>  len(doc.paragraphs)
7
➌  >>>  doc.paragraphs[0].text
'Document  Title'
➍  >>>  doc.paragraphs[1].text
'A  plain  paragraph  with  some  bold  and  some  italic'
➎  >>>  len(doc.paragraphs[1].runs)
4
➏  >>>  doc.paragraphs[1].runs[0].text
'A  plain  paragraph  with  some  '
➐  >>>  doc.paragraphs[1].runs[1].text
'bold'
➑  >>>  doc.paragraphs[1].runs[2].text
'  and  some  '
➒  >>>  doc.paragraphs[1].runs[3].text
'italic'

在➊行，我们在Python 中打开了一个.docx 文件，调用docx.Document()，传入文件名demo.docx。这将返回一个 Document 对象，它有 
paragraphs 属性，是 Paragraph对象的列表。如果我们对 doc.paragraphs 调用 len()，将返回 7。这告诉我们，该文档有 7 个Paragraph 
对象➋。每个 Paragraph 对象都有一个text 属性，包含该段中文本的字符串（没有样式信息）。这里，第一个 text 
属性包含'DocumentTitle'➌，第二个包含 'A plain paragraph with some bold and some 
italic'➍。
每个 Paragraph 对象也有一个 runs 属性，它是 Run 对象的列表。Run 对象也有一个 text 属性，包含那个延续中的文本。我们看看第二个 Paragraph  对象中的 
text属性，'A plain paragraph with some bold and some italic'。对这个Paragraph 对象调用len()，结果告诉我们有 4 个Run 
对象➎。第一个对象包含'A plain paragraph with some '➏。然后，文本变为粗体样式，所以’bold’开始了一个新的 Run  
对象➐。在这之后，文本又回到了非粗体的样式，这导致了第三个 Run 对象，' and some 
'➑。最后，第四个对象包含'italic'，是斜体样式➒。
有了 python-docx，Python 程序就能从.docx 文件中读取文本，像其他的字符串值一样使用它。