如何使用 python 在 docx 中查找列表？

Question

我正在尝试拆分一个如下所示的 word 文档：

1.0 列表项
1.1 列表项
1.2 列表项
2.0 列表项

它存储在 docx 中，我正在使用 python-docx 尝试解析它。不幸的是，它在开始时丢失了所有编号。我试图确定每个有序列表项的开始。

python-docx 库也允许我访问样式，但我不知道如何确定样式是否为列表样式。

到目前为止，我一直在搞乱一个函数并检查输出，但标准格式类似于：

    for p in doc.paragraphs:
        s = p.style
        while s.base_style is not None:
            print s.name
            s = s.base_style
        print s.name

我一直在使用它来尝试搜索自定义样式，但全部以“Normal”结尾，而不是“ListNumber”。

我尝试在文档、段落和运行下搜索样式，但没有成功。我也尝试过搜索 p.text，但如前所述，编号不会持续存在。

Answer 1

列表项可以通过多种方式在 XML 中实现。不幸的是，最常见的方法是使用工具栏（而不是使用样式）添加列表项也可能是最复杂的。

最好的办法是开始使用 opc-diag 查看在 document.xml 中使用的 XML，然后从那里制定策略。

python-docx 的列表处理 API 还没有真正实现，所以如果你想在今天的版本中完成这项工作，你需要在 lxml 级别进行操作。