从Word文档表格中提取带编号列表的教程

from docx import Document

def extract_numbered_lists_from_tables(docx_file_path):
    """
    从Word文档的表格中提取带编号的列表项。

    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列表。
    """
    doc = Document(docx_file_path)
    numbered_lists = []

    print(f"正在处理文档: {docx_file_path}")

    # 遍历文档中的所有表格
    for i, table in enumerate(doc.tables):
        print(f"\n--- 处理表格 {i+1} ---")
        # 遍历表格中的所有行
        for j, row in enumerate(table.rows):
            # 遍历行中的所有单元格
            for k, cell in enumerate(row.cells):
                # 遍历单元格内的所有段落
                for l, paragraph in enumerate(cell.paragraphs):
                    # 检查段落样式是否为 'List Paragraph'
                    # 这是Word中常见的一种列表样式，但实际名称可能因模板而异
                    if paragraph.style.name == 'List Paragraph':
                        # 进一步检查文本是否以数字和点开头，以确保是编号列表
                        # 这一步是可选的，但可以增加识别的准确性
                        if paragraph.text.strip() and paragraph.text.strip()[0].isdigit() and '.' in paragraph.text.strip():
                            list_item = paragraph.text.strip()
                            numbered_lists.append(list_item)
                            print(f"  表格 {i+1}, 行 {j+1}, 单元格 {k+1}, 段落 {l+1}: 提取到列表项 -> '{list_item}'")
                    # 如果需要提取多行列表项的第一个子项，可以使用以下逻辑
                    # else if paragraph.text.startswith('1.'): # 如果不依赖样式，直接检查文本开头
                    #     list_item = paragraph.text.split('\n')[0].strip()
                    #     numbered_lists.append(list_item)
                    #     print(f"  提取到列表项 (首行): '{list_item}'")

    return numbered_lists

# 示例用法
if __name__ == "__main__":
    # 请将 'your_document.docx' 替换为你的Word文档路径
    file_path = "D5.docx" 

    # 假设你的D5.docx中有一个表格，某个单元格内有类似 "1. Appearance" 的列表项
    # 如果文件不存在，请先创建一个包含此类内容的D5.docx

    try:
        extracted_items = extract_numbered_lists_from_tables(file_path)
        print("\n--- 提取完成 ---")
        if extracted_items:
            print("所有提取到的编号列表项:")
            for item in extracted_items:
                print(f"- {item}")
        else:
            print("未在表格中找到任何编号列表项。")
    except FileNotFoundError:
        print(f"错误：文件 '{file_path}' 未找到。请检查路径是否正确。")
    except Exception as e:
        print(f"处理文档时发生错误: {e}")