使用python在Word中构建插图、插表清单

问题描述

某个文本项目要结题验收，结果说我们格式不规范，仔细一看是少了插图插表清单。一共二百多页的word手动添加这些清单是非常恐怖的工作量，笔者想到了编程。

尝试

试过word自带的VBA，觉得过于笨拙（其实是笔者水平不足），故放弃。
也试过python用来读取word的一个库 docx，代码如下。

from docx import Document
from docx.shared import Inches

document = Document('demo.docx')  #打开文件demo.dEocx
for paragraph in document.paragraphs:
    if '表' in paragraph.text and '-' in paragraph.text and '，' not in paragraph.text:
        print(paragraph.text)  #打印各段落内容文本

但是这种方法只能读取表的名称，而不能获取它的位置，考虑到这么敷衍，笔者辛辛苦苦搞的东西还得被退回来，真是憋屈。索性再辛苦一点，把位置索引搞出来。

思路

将docx文件转化为pdf文件，再通过python读取pdf文件的方式，获取页码。

环境

语言：python 3.6+
库： pdfminer

方法

from pdfminer.pdfparser