Python docx 库：从Word文档表格中提取带编号列表的教程

from docx import Document

def process_tables(docx_file_path):
    doc = Document(docx_file_path)
    specification_table = None
    for table in doc.tables:
        table_data = []
        for row in table.rows:
            # 这里的 cell.text.strip() 会丢失编号列表信息
            row_data = [cell.text.strip() for cell in row.cells]
            if any(row_data):
                table_data.append(row_data)

        # ... 后续的表格识别逻辑 ...
    return specification_table

from docx import Document

def extract_numbered_lists_from_tables(docx_file_path):
    """
    从Word文档的表格中提取所有编号列表项。

    Args:
        docx_file_path (str): Word文档的路径。

    Returns:
        list: 包含所有提取到的编号列表项的字符串列表。
    """
    doc = Document(docx_file_path)
    numbered_list_items = []

    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                for paragraph in cell.paragraphs:
                    # 检查段落样式是否为 'List Paragraph'
                    # 这是一个常见的Word内置列表样式
                    if paragraph.style.name == 'List Paragraph':
                        # 进一步检查段落文本是否以数字和点开头，增加鲁棒性
                        # 例如：1. Item, 2. Another Item
                        if paragraph.text.strip() and paragraph.text.strip()[0].isdigit() and '.' in paragraph.text.strip():
                            numbered_list_items.append(paragraph.text.strip())
                    # 如果文档使用自定义列表样式，可能需要调整 'List Paragraph'
                    # 或者根据段落文本内容（如正则表达式）来判断
    return numbered_list_items

# 示例用法
file_path = "D5.docx" # 替换为你的Word文档路径
extracted_lists = extract_numbered_lists_from_tables(file_path)

if extracted_lists:
    print("从表格中提取到的编号列表项:")
    for item in extracted_lists:
        print(item)
else:
    print("未在表格中找到编号列表项。")

1. 这是第一行列表项
   的第二行内容。

# 在 extract_numbered_lists_from_tables 函数的循环内部
if paragraph.style.name == 'List Paragraph':
    if paragraph.text.strip() and paragraph.text.strip()[0].isdigit() and '.' in paragraph.text.strip():
        # 仅提取列表项的第一行
        list_item_first_line = paragraph.text.split('\n')[0].strip()
        numbered_list_items.append(list_item_first_line)