在保存字体样式的同时读取 python 中的 doc/docx 内容

Question

我想使用每个单词的字体样式读取 doc 文件 test.docx 的内容。它包含以下示例段落。

............

这是一个 test 文件，包含 Bold 和 Italic 内容。我正在写这个作为测试手稿。我所需要的只是在 Python 中阅读每个单词时找到它的 style。

......

我正在使用 python-docx 阅读它

from docx import Document

filename = "./test.docx"

document = Document(filename)
for para in document.paragraphs:
    print(para.text)

但它正在阅读没有字体样式的内容（即粗体不再是粗体，斜体不再是斜体）。

有没有办法读取每个单词的字体样式？

Answer 1

您需要解决两个主题来解决此要求：

1. 如何在终端打印粗体或斜体文字？

如果你的终端支持它（Windows cmd 不是这种情况，但它可以在 PyCharm Python 控制台中工作）你可以使用 ansi 转义码来做到这一点：

class FontStyles:
    BOLD = '\033[1m'
    END = '\033[0m'
    ITALIC = '\x1B[3m'

1. 如何获取段落字体样式？

此信息存储在样式ParagraphStyle 属性的font 属性中。

总而言之：

for paragraph in document.paragraphs:
    is_bold = paragraph.style.font.bold
    is_italic = paragraph.style.font.italic
    print(f"{FontStyles.ITALIC if is_italic else ''}{FontStyles.BOLD if is_bold else ''}{FontStyles.END if is_bold or is_italic else ''}")