首页 > 教程

word文档提取目录

slbcun
2025-04-08
1326 ℃

某提案汇总文档没有做目录，wps、word自带的功能也不能正确提取目录，就用python写了一个提取word文档目录的代码。
使用前需安装库：
pip install python-docx
修改了一下，用正则表达式来取提案号，避免取错
修改了二下，正则+开头来取提案号，且提案号数字最多三位，提高容错度

import re
from docx import Document
 
# 遍历文档中的段，取目录
def get_table_of_contents(doc):
    toc = []
    tmp=""
    i=0
    for paragraph in doc.paragraphs:
        match i:
            case 0:
                if re.search("第\\d{1,3}号", paragraph.text) and paragraph.text.startswith("第") and len(paragraph.text)<=5:
                   tmp=paragraph.text
                   i=1
            case 1:
                if paragraph.text.startswith("案    由："):
                   toc.append(tmp+" "+paragraph.text.strip("案    由："))
                   i=0
    return toc
 
# 打开Word文档
doc = Document("D:\\1.docx")
 
# 取目录
table_of_contents = get_table_of_contents(doc)
 
# 遍历打印目录
for para in table_of_contents:
    print(para)