python - 使用 python-docx 迭代 docx 中的目录

Question

我有一个包含在文档开头自动生成的目录的文档，我想解析该目录。使用python-docx可以实现这一点吗？如果我尝试迭代 doc.paragraphs.text ，目录中的文本不会显示。

我尝试了以下操作:迭代段落并检查 paragraph.style.name 是否为 toc 1 然后我知道我处于目录中。但我无法获得实际的文本。我试过这个:

if para.style.name == "toc 1" #then print para.text. 

但是 para.text 给了我一个空白字符串。为什么会出现这种情况？

谢谢

Answer 1

由于大部分解决方案都隐藏在评论部分中，并且我花了一段时间才弄清楚OP到底做了什么以及scanny的答案如何改变了他正在做的事情，我将在这里发布我的解决方案，这只是scanny的答案评论部分写了什么。我不完全理解代码是如何工作的，所以如果有人想编辑我的答案，请随意这样做。

#open docx file with python-docx
document = docx.Document("path\to\file.docx")
#extract body elements
body_elements = document._body._body
#extract those wrapped in <w:r> tag
rs = body_elements.xpath('.//w:r')
#check if style is hyperlink (toc)
table_of_content = [r.text for r in rs if r.style == "Hyperlink"]

table_of_content 将是一个列表，首先包含作为项目的编号，然后是标题。