python docx 读取自动编号_word 自动编号python转换

最近需要用python读取docx文档，然后遇到python-docx无法读取到自动编号的问题，例如我们要读取的docx文档：

接下来我们读取文档的文本内容：

from docx import Document

doc = Document('simple.docx')

for para in doc.paragraphs:
    text = para.text
    print(text)
1
2
3
4
5
6
7

运行结果：

 这是一个示例docx文档
 下面是自动编号
 
 csdn
 作者：JoanSF
 性别：男
1
2
3
4
5
6

可以看到结果没有打印出来自动编号，在网上查阅了很久都没有找到一个很好的解决办法，最终靠着摸索出了一个比较有效的方法，仅供大家参考，如果不对的地方，欢迎大家提出意见。

python-docx只能找到自动编号的位置，而无法找到对应正确的序号

网上还是存在一些相关文章说明python-docx库能够找到自动编号的位置，但是不能找到对应编号的序号，否则大家只能一般默认是序号为1开始，但是我遇到的情况恰恰是序号不是从1开始的文档，所以光是找到自动编号的位置不行，还需要找到对应正确的序号。

docx文档竟然是压缩包

由于docx是压缩包，我们把simple.docx的后缀名改成zip，然后解压，然后我们就可以直接观察到docx的组成了

在word文件夹下有很多xml文件，其中的numbering.xml文件就是用来记录自动编号的信息，观察numbering.xml文件就可以发现 start 这里代表了自动编号的起始序号（这个例子不明显，但是小编的实际情况的序号是从68开始的，所以很快就发现了）

到现在，知道了自动编号的位置和自动编号的起始序号，这样我们就可以打印自动编号了

from docx import Document
import zipfile
from bs4 import BeautifulSoup

doc = Document('simple.docx')

document = zipfile.ZipFile('simple.docx')
xml_data = document.read('word/numbering.xml')
document.close()
soup = BeautifulSoup(xml_data,'xml')
string = str(soup.find('start'))
# 得到自动编号的起始序号
ind = int(eval(string.split('w:val=')[-1].split('/')[0]))

for para in doc.paragraphs:
    text = para.text
    num_pr = para._p.pPr.numPr
    if num_pr is not None: # 判断是否有自动编号
        print('{}) '.format(ind)+text)
        ind += 1
    else:
        print(text)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

运行结果：

这是一个示例docx文档
下面是自动编号

1) csdn
2) 作者：JoanSF
3) 性别：男
1
2
3
4
5
6

虽然例子简单，但是花费小编（菜鸡一枚）辛苦一天，而且复杂点的自动编号也可以根据这个思路改，看完的各位大佬记得点赞