从 docx 中删除标题编号答案

【问题标题】：Removing heading numbers from docx从 docx 中删除标题编号
【发布时间】：2016-04-04 14:32:00
【问题描述】：

我需要使用python对docx（Word）文档进行预处理，以便pandoc可以正确地将它们转换为markdown。关键要求之一是 docx 文档的样式应该被“清理”，特别是应该删除标题的编号（标题 1、标题 2 等）。

限制：我知道如何使用 VBA 来做到这一点（并且可能可以使用 PyWin32 等从 python 中做到这一点）。但要求它必须在没有 Microsoft Windows 和 LibreOffice/UNO 的情况下实现。

如何使用 python-docx 包来做到这一点？我查看了文档，似乎没有任何合适的做法（实际上 heading numbering style 似乎没有实现）。我错过了什么吗？

除非我应该使用其他方法，例如将不同的 Word 模板应用于 docx 文档，并根据我的要求正确预定义主要样式？这可以通过可用的 python 包来完成吗？

VBA 中的代码 这是完成工作的 VBA 代码：

Sub RemoveHeaderNos()
' Remove the header nos

    Debug.Print "Removing header numbers and formatting..."
   For Each s In ActiveDocument.Styles
        s.LinkToListTemplate ListTemplate:=Nothing
    Next
End Sub

【问题讨论】：

标签： python pandoc python-docx

【解决方案1】：

在术语上，我理解您的意思是“标题段落的编号”，而不是像页眉中的页码之类的东西，我理解对了吗？不幸的是，“标题”和“标题”这两个术语很接近，并且在 Word 用语中意味着完全不同的东西:)

我假设您的段落标题已编号，例如“标题 1”样式会导致下一个连续整数作为标题段落文本的前缀，例如“9”。第九节标题'，（然后同样适用于标题 2 -> 9.1、9.2 等。

你说得对，这还没有在 python-docx 中实现。您需要使用 python-docx API 尽可能接近相关 XML 元素（例如标题 1 的 <w:style> 元素），然后使用 lxml 调用来操作其下的 XML。

您需要从需要进行哪些 XML 更改的策略开始。 opc-diag 很方便。您可以使用 Word 手动更改 .docx（最好是彻底精简的超短文档），使其看起来符合您的要求，然后比较前后的 XML 以发现您需要对 XML 进行哪些更改。

然后您可以通过提取 .docx（使用 opc-diag）来验证您的策略，手动更新 XML 所需的最少更改，重新打包它（也使用 opc-diag），然后将其加载到 Word 中以确保它行为符合预期。

我怀疑有一种方法可以将“标题 1”样式与 styles.xml 部分中的编号定义“断开”，这将完成您所追求的目标，并且是相当简单的少量元素更改。

无论如何，这就是我要开始的地方。

【讨论】：

非常感谢！是的，这绝对是标题段落（样式）的编号。如果我们删除“标题 1”、“标题 2”等样式的所有属性，或许我们可以获得更简单的解决方案？能做到吗？
换句话说，只保留样式的裸机默认值？
这听起来有点激进，但它让我觉得如果你删除现有的 Heading 1 样式并创建一个具有相同名称的新样式，它就不会有编号。值得一试。
为了这个目的，它可能有用吗？（参见上面的 VBA 示例）。我会查的。
这看起来很有希望；它表明只有与列表定义的单一链接。如果您打印出标题 1 样式的 XML，我可能会为您挑选出正确的元素。你会做这样的事情：print(document.styles['Heading 1']._element.xml)

【解决方案2】：

此问题已在 2016 年 3 月 20 日发布的 version 1.17 of pandoc 中得到解决（“不要将编号的标题变成列表”）。如果其他人遇到同样的问题，现阶段最好的办法是升级到该版本或更高版本。

尽管如此，使用 python-docx 探索各种解决方案还是很有趣的，因为它表明了一个可能的改进点。

【讨论】：