python-docx 将文档根据标题二拆分为多个docx文件

python-docx 将文档根据标题二拆分为多个docx文件

时隔好久，又开始搞文档了
感觉搞来搞去还不如手动复制粘贴得了……

• 只是文本内容–>简单
• 文本内容自定义样式保持不变 （有点难度）
• 提取文档中的图片、表格 （简单）
• 按照顺序还原图片、表格到文档中，并且不改变样式（累了，毁灭吧）
• 题注、交叉引用、自动编号……（手动操作一下吧……）

写出来还是蛮有成就感的嘿嘿🤭
其实还有一些细节问题，比如段落的对齐方式、行距、缩进之类的，但是目前就做到这吧~

def split_docx_by_heading(doc_path, output_dir, heading_style='Heading 2'):
    original_doc = Document(doc_path)  # 加载原始文档
    os.makedirs(output_dir, exist_ok=True)  # 创建输出目录（如果不存在）
    namespace = {'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'}  # 获取Word文档中的命名空间
    composer = None
    part_doc = None
    processed_footnotes, footnote_ids = caption_ids_and_texts(original_doc)
    # 遍历文档中的段落和表格
    for element in original_doc.element.body:
        if element.tag.endswith('p'):  # 判断是否为段落
            p = next((p for p in original_doc.paragraphs if p._element is element), None)
            # 检查段落样式是否为指定的标题样式
            if p.style.name == heading_style:
                # 如果当前已有文档片段，则保存该片段
                if composer and part_doc:
                    composer.save(os.path.join(output_dir, f'{file_name}.docx'))
                    print(f"创建文档: {file_name}.docx")
                # 使用标题二的文本作为文件名
                file_name = p.text.strip()
                # 创建新文档，并保持原始文档样式
                part_doc = Document(doc_path)
                composer = Composer(part_doc)
                # 清除文档内容以开始新的章节
                part_doc._body.clear_content()
                # 添加标题二段落到新文档
                part_doc.add_paragraph(p.text, style=p.style)
            elif composer and part_doc:
                if p.style.name=='Heading 1':
                    continue
                else:
                    new_paragraph = part_doc.add_paragraph(p.text, style=p.style)

                # 复制图像和其他图形
                if p._element.findall(".//w:drawing", namespace):
                    new_paragraph.style = p.style.name
                    for run in p.runs:
                        if run._element.findall(".//w:drawing", namespace):
                            new_paragraph._p.append(deepcopy(run._element))

        elif element.tag.endswith('tbl'):  # 判断是否为表格
            if composer and part_doc:
                tbl = element
                tbl_copy = deepcopy(tbl)
                part_doc.add_paragraph().add_run().element.append(tbl_copy)

    # 保存最后一个文档片段
    if composer and part_doc:
        composer.save(os.path.join(output_dir, f'{file_name}.docx'))

# 原文档路径
doc_path = './原始文档.docx'
# 拆分结果输出位置
output_dir = './split_docs/'
# 执行拆分
# 默认按照标题2拆分
# heading_style = 'Heading 2'
split_docx_by_heading(doc_path, output_dir)

奥……导包忘记了……emmmmm就这样吧(●’◡’●)
☞收藏点赞评论加关注！！感谢(●’◡’●)🙇‍🙇‍🙇‍