pyhotn操作docx文档

使用python-docx库读取Word文档并提取标题、子标题和内容的基本步骤如下：

1. 安装python-docx库（如果尚未安装）。
2. 打开Word文档。
3. 遍历文档中的段落。
4. 根据段落的样式识别标题、子标题和正文内容。
5. 按顺序打印标题、子标题和内容。

以下是一个简单的Python脚本示例，它演示了如何执行这些步骤：

from docx import Document

def print_doc_structure(doc_path):
    # 打开Word文档
    doc = Document(doc_path)
    
    # 遍历文档中的每个段落
    for para in doc.paragraphs:
        # 根据段落的样式进行判断
        if para.style.name.startswith('Heading 1'):
            print(f"标题: {para.text}")
        elif para.style.name.startswith('Heading 2'):
            print(f"子标题: {para.text}")
        else:
            print(f"内容: {para.text}")

# 替换以下路径为你的Word文档的路径
doc_path = 'your_document_path.docx'
print_doc_structure(doc_path)

请确保将your_document_path.docx替换为你的Word文档的实际路径。

注意，Word文档中的样式名称可能会有所不同，具体取决于文档的格式和使用的模板。上面的脚本假设标题和子标题分别使用了内置的Heading 1和Heading 2样式。如果你的文档使用了不同的样式名称，你需要相应地调整代码中的样式名称。

段落样式

在python-docx中，para.style.name返回的是当前段落所使用的样式名称。Word文档中的样式名称可能因模板和用户自定义而异。然而，有一些常见的预定义样式名称是在大多数Word文档中通用的。以下是一些常见的内置样式名称：

• Normal: 默认的段落样式。
• Heading 1: 用于主标题。
• Heading 2: 用于一级子标题。
• Heading 3: 用于二级子标题。
• Heading 4: 用于三级子标题。
• Heading 5: 用于四级子标题。
• Title: 用于文档标题。
• Subtitle: 用于文档副标题。
• List Bullet: 用于带项目符号的列表。
• List Number: 用于编号列表。
• Quote: 用于引用文本。
• Intense Quote: 用于强调引用文本。
• TOC Heading: 用于目录标题。

这些样式名称是根据Word的默认样式设置的。如果你在Word中自定义了样式或者使用了特定的模板，样式名称可能会有所不同。在处理Word文档时，你可以通过打开Word文档并查看“样式”窗格来确认文档中使用的确切样式名称。

在使用python-docx进行编程时，可以通过遍历文档中的所有样式来获取所有的样式名称，代码示例如下：

from docx import Document

doc = Document('your_document_path.docx')

# 打印所有的样式名称
for style in doc.styles:
    print(style.name)

这段代码将列出你的文档中定义的所有样式名称，包括内置样式和任何自定义样式。这样可以帮助你确定需要在代码中查找的确切样式名称。