Python获取docx文档里的批注

最新推荐文章于 2025-03-27 15:39:00 发布
最新推荐文章于 2025-03-27 15:39:00 发布
阅读量4.1k 收藏 12
点赞数 1
分类专栏： python 文章标签： python-docx docx批注
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43479622/article/details/90580630
版权

注意：该作者博客已迁移至https://buxianshan.xyz

使用Python-docx库可以很方便的处理docx文件（官方文档）

但是有些隐含的信息Python-docx库好像无法读取，比如docx文档里的批注

下面介绍一种用python获取docx文档批注的方法

首先区分doc文件和docx文件

以前Office产品中Word用.doc文件格式，这种二进制格式很难与其他软件兼容 。docx是Microsoft Office2007之后版本使用的，用新的基于XML的压缩文件格式取代了以前默认文件格式，在传统的文件名扩展名后面添加了字母“x”（即“.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”）。

docx格式的文件本质上是一个ZIP文件。将一个docx文件的后缀改为ZIP后是可以用解压工具打开或是解压的。事实上，Word2007的基本文件就是ZIP格式的，他可以算作是docx文件的容器。

比如有一个test.docx文件

最低0.47元/天 解锁文章
使用Python-docx库分割文档
木头大左的博客
07-25 249
Python-docx是一个用于处理Microsoft Word文档的Python库。它允许用户创建、查询和修改Word文档，包括添加段落、表格、图片等元素。Python-docx库功能强大，易于使用，是处理Word文档的理想选择。
Python使用总结之Python-docx操作Word文件(添加、编辑和删除文档内容，在文档中插入图片)
载_酒i
06-12 4834
是一个用于创建和修改 Microsoft Word (.docx) 文件的Python库。本文将详细介绍如何使用创建、编辑、删除Word文件，以及如何添加、编辑和删除文档内容，甚至在文档中插入本地图片。
python实现docx的批注(comments)插入
FogXcG的博客
03-14 8670
项目需要实现自动在docx中插入批注，首选为python，python中有docx库，但是到目前为止还是未支持插入批注功能，但是在python-docx项目中，有人提出了这个问题，作者scanny给出了相关指导。 总结一下大致思路为：解压docx文件后会得到很多文件及文件夹，对比插入批注和未插入批注的解压文件发现:插入批注会新增一个word/comments.xml文件，并且会修改word/_r...
Python批量处理Word文档：添加和删除批注
Eiceblue的专栏
10-30 3148
批注可以在不影响文档内容的情况下对内容做出评论、解释或探讨，是Word文档协作编辑的常用功能。本文将介绍如何通过Python程序处理，实现的批量操作。
用Python在Word文档中添加、删除和回复批注
最新发布
Eiceblue的专栏
03-27 927
本文演示如何使用Python代码在Word文档中实现批注的添加、删除和回复。
Python批量提取docx格式Word文档中所有批注
董付国的Python专栏
03-12 1689
功能描述： 提取docx格式Word文档中所有批注。 测试文档： 参考代码： 运行结果：
Python 批量提取 docx 格式 Word 文档中所有批注
weixin_44447687的博客
04-01 852
学Python,用RPA 艺赛旗RPA2020.1版本 正在免费下载使用中，欢迎下载使用 www.i-search.com.cn 功能描述： 提取 docx 格式 Word 文档中所有批注。 from zipfile import ZipFile from re import findall fn = r"带批注的测试文件.docx" with ZipFile(fn) as fp: try: c...
Python 读取docx文件中的文本
weixin_40828973的博客
11-21 705
Python 读取docx文件中的文本
Python实现Word批注转成脚注
11-06
Python实现的一个将Word中的批注转换成脚注的小脚本。 1、删除Word中原有的脚注 2、将Word中的批注转成脚注 3、删除所有批注 三个功能分在三个脚本中，可以分别使用，一个auto.py对三个脚本集成。
Python批量提取Excel文件中所有单元格批注
Python小屋
06-29 2244
推荐图书：《Python程序设计（第3版）》，（ISBN：978-7-302-55083-9），清华大学出版社，2020年6月第1次印刷京东购买链接：https://item.jd.co...
python docx资源
08-24
python直接安装docx库会报错，可直接下载该模块本地手动安装后结局问题
Python操作word常见方法示例【win32com与docx模块】
09-20
主要介绍了Python操作word常见方法,结合实例形式分析了Python使用win32com模块与docx模块操作word的相关实现技巧及相关注意事项,需要的朋友可以参考下
chatgpt赋能python：PythonWord批注-提高工作效率的利器
qq_45562973的博客
05-26 673
Markdown 是一种轻量级标记语言，常用于写博客、做笔记和编写文档等。Markdown 语法非常简单，可以用纯文本编写，然后在转换时再添加 HTML 标记来实现。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体。
【python脚本】word批注状态批量提取器V1版本
moon9999的博客
06-01 967
word批注状态批量提取器V1
Python提取Word文档中所有脚注文本
董付国的Python专栏
03-18 1807
问题描述： 提取Word文档中所有脚注文本，适用于doc和docx格式。 测试文件： 需要的扩展库： pywin32，如果使用Anaconda 3 Spyder的话，默认安装了这个扩展库，不需要额外安装。 参考代码： 运行结果： ---董付国老师Python系列图书--- 友情提示：不建议购买太多，最好先通过京东、当当、天猫查阅图书了解目录和侧重点，然后再选择购买适合自...
Python提取docx格式Word文档中所有尾注
董付国的Python专栏
08-21 969
推荐图书： 《Python程序设计（第3版）》，（ISBN：978-7-302-55083-9），清华大学出版社，2020年6月第1次印刷，7月第2次印刷 京东购买链接：https://item.jd.com/12668739.html 天猫、当当均有销售，可以选择自己常用平台搜索“董付国”找到本书。 配套资源：教学大纲、PPT课件、例题源码、习题答案、考试系统。 《Python程序设计（第3版）》配套教学大纲 2020年秋季学期Python教材推荐与选用参考 ============
python实现word批注 pandoc和pypandoc
henghen9943的博客
09-12 2596
pypandoc就是pandoc的pip包版本 接下来说一说在mac和ubuntu安装的时候出现的问题   在mac和ubuntu都出现了问题：系统自带1.19.2.1pandoc Mac: brew uninstall pandoc之后，利用pandoc --version仍然存在1.19.2.1 pandoc Ubuntu: sudo apt-get autoremove --pur...
python实现批量word关键字标注
raojjunjie的博客
04-03 607
【代码】python实现批量word关键字标注。
python-docx 如何读取带批注的文本段落
03-26
<think>嗯，用户的问题是关于如何使用python-docx库来读取包含批注的文本段落。首先，我需要回忆一下python-docx的文档和功能，看看它是否支持处理批注。根据之前的经验，python-docx主要用于处理文档内容，比如段落、表格、样式等，但批注可能属于不同的部分。 批注在Word文档中通常存储在comments.xml文件中，属于文档的注释部分。而python-docx的主要结构是处理正文内容，可能没有直接访问批注的接口。需要确认python-docx是否提供了访问批注的方法。查阅一下官方文档或者用户提供的引用内容，用户提到的引用[2]中提到了替换字符串和图片的方法，但没有直接提到批注处理。 可能需要通过访问底层的XML结构来提取批注信息。python-docx允许用户访问文档的XML元素，这可能需要使用lxml库来解析。例如，每个批注在XML中可能有特定的标签，如<w:comment>，然后关联到特定的段落或文本范围。 用户需要示例代码，所以需要构造一个步骤：首先加载文档，然后遍历段落，同时找到相关联的批注。可能需要通过段落对象找到对应的XML元素，再查找是否有批注引用。或者遍历文档的comments部分，然后找到关联的段落。 此外，需要注意批注可能关联到段落中的特定文本范围，而不仅仅是整个段落。因此，可能需要检查段落内的每个run是否有批注引用。这涉及到解析段落XML中的批注ID，并与文档的comments部分进行匹配。 总结步骤可能包括：1. 加载文档。2. 获取文档的comments部分。3. 遍历每个段落，查找是否有批注关联。4. 提取批注内容并与段落文本结合。可能需要使用python-docx的底层API，比如paragraph._element获取XML元素，然后使用XPath查询关联的批注。 还要注意，用户可能希望得到批注的作者、日期和内容，所以代码需要提取这些信息。例如，每个批注可能有author、date和text元素。最后将段落文本和对应的批注组合输出。 可能存在的一些问题包括：如何处理多个批注关联到同一个段落或文本，如何确保正确匹配批注ID，以及如何处理嵌套或复杂的结构。需要测试代码以确保准确提取信息，并处理可能的异常情况，比如没有批注的情况。 根据这些思考，可以构建一个示例代码，使用python-docx和lxml来解析批注，并将其与段落关联。在回答中需要说明这种方法的局限性，并建议使用其他库如python-docx2txt作为替代方案，如果python-docx无法直接支持的话。</think>根据python-docx库的文档和实际使用经验，读取带批注的段落需要结合XML解析操作。以下是具体实现方法： ### 实现步骤 1. **安装依赖库** ```bash pip install python-docx lxml ``` 2. **完整示例代码** ```python from docx import Document from lxml import etree def read_commented_paragraphs(doc_path): doc = Document(doc_path) comments = {} # 提取批注数据 comments_part = doc.part.package.parts.get('/word/comments.xml') if comments_part: comments_xml = etree.XML(comments_part.blob) for comment in comments_xml.xpath('//w:comment', namespaces={'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'}): comment_id = comment.get('w:id') comment_text = comment.xpath('string(.//w:t)', namespaces={'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'}) comments[comment_id] = comment_text # 遍历段落查找关联批注 for p in doc.paragraphs: comment_ids = p._element.xpath('.//w:commentReference/@w:id', namespaces={'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'}) if comment_ids: print(f"段落内容：{p.text}") for cid in comment_ids: print(f"关联批注ID-{cid}：{comments.get(cid, '')}") print('-' * 50) read_commented_paragraphs('示例文档.docx') ``` ### 核心原理说明 1. **XML结构访问**：通过`doc.part.package.parts`访问文档的XML部件，其中批注存储在`/word/comments.xml`文件 2. **批注映射关系**：段落中的`<w:commentReference>`元素通过`w:id`属性与批注条目关联 3. **XPath查询**：使用lxml库的XPath语法定位XML节点，`namespaces`参数必须包含WordprocessingML命名空间 ### 注意事项 - 该方法只能获取段落级别的批注关联，无法定位到具体文本片段 - 复杂文档建议使用`python-docx2txt`库的`get_docx_text_with_comments()`函数[^2] - 批注样式保留需要操作`document.comments`集合（python-docx 0.8.11+版本支持）
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值