python-docx 提取文字

`python-docx` 是一个用于读写 Microsoft Word 文档 (.docx) 的 Python 库。如果你想从 .docx 文件中提取文本内容，你可以按照以下步骤操作：

1. 首先，你需要安装 `python-docx` 库。如果你还没有安装，可以使用 pip 安装：

   pip install python-docx

2. 然后，你可以通过以下代码片段打开一个文档并提取文本：

   from docx import Document

   # 加载.docx文件
   doc = Document('your_file.docx')

   # 提取所有段落的文本
   text_list = []
   for paragraph in doc.paragraphs:
       text_list.append(paragraph.text)

   # 将文本合并成一个字符串（如果需要）
   extracted_text = '\n'.join(text_list)
   
   # 或者直接打印每一段文本
   for paragraph in doc.paragraphs:
       print(paragraph.text)

相关问题

我现在想用python-docx 去提取文字，需要除去页眉和页脚

你可以使用python-docx库来提取文字，并且去除页眉和页脚。以下是一个示例代码：

from docx import Document

def extract_text_without_header_footer(docx_file):
    doc = Document(docx_file)
    
    # 去除页眉
    for section in doc.sections:
        header = section.header
        for paragraph in header.paragraphs:
            paragraph.text = ""
    
    # 去除页脚
    for section in doc.sections:
        footer = section.footer
        for paragraph in footer.paragraphs:
            paragraph.text = ""
    
    # 提取文字
    text = ""
    for paragraph in doc.paragraphs:
        text += paragraph.text + "\n"
    
    return text

# 使用示例
docx_file = "your_document.docx"
text_without_header_footer = extract_text_without_header_footer(docx_file)
print(text_without_header_footer)

你需要将"your_document.docx"替换为你要提取文字的文档路径。这段代码会读取文档，将页眉和页脚的内容清空，并提取所有段落的文字内容（每段之间用换行符分隔），最后返回提取到的文字。

python python-docx打印word文档

### 使用 `python-docx` 库生成和操作 Word 文档

#### 创建一个新的 Word 文档并添加内容

为了创建新的 `.docx` 文件，首先需要导入必要的模块，并初始化一个新文档对象：

from docx import Document

document = Document()

接着可以通过调用不同的方法向文档中加入各种类型的元素。比如要增加一段文字到当前打开的文档里，可以这样做[^1]：

document.add_paragraph('这是一个测试段落')

对于更复杂的内容结构，如标题，则有专门的方法可用：

document.add_heading('这是主标题',  level=0)
document.add_heading('副标题一', level=1)
document.add_heading('子项A',  level=2)

#  添加更多段落后保存文件
paragraphs  =  [
        "这里是正文部分。",
        "每句话都是独立的一行。"
]

for  p  in  paragraphs:
    document.add_paragraph(p)

document.save('example.docx')    #  将上述所有更改写入磁盘上的指定路径下的  example.docx 文件

#### 修改现有的 Word 文档

当想要读取已有 `.docx` 文件并对之做出改动时，只需传入目标文件名作为参数传递给 `Document()` 构造函数即可加载现有文档。

假设有一个名为 `input_file.docx` 的文件，现在希望从中提取全部自然段的文字内容并显示出来：

existing_doc = Document('input_file.docx')

full_text = []
for para in existing_doc.paragraphs:
     full_text.append(para.text)

print('\n'.join(full_text))

同样也可以遍历各个段落，在适当位置插入新的文本节点或其他组件；甚至能够定位特定样式或标记的位置来进行针对性调整[^2]。

需要注意的是，虽然 `python-docx` 提供了许多便捷的功能来处理 `.docx` 类型的数据集，但它并不支持旧版 `.doc` 格式的文件。因此在实际应用过程中应当确保所使用的源材料均为最新版本格式，必要情况下可借助其他工具先行完成转换工作[^4]。