首页/AI/RAG 与向量库速查/python-docx 解析 Word 文档

python-docx 解析 Word 文档

python-docx 读取 Word 的段落、样式与表格;段落样式(Heading 1/2)可用于构造标题路径,是制度、方案类文档入库的常用解析方式。

RAG 与向量库速查AI更新于 2026-10-12

段落与表格

段落与表格
from docx import Document

doc = Document("spec.docx")
for para in doc.paragraphs[:5]:
    print(para.style.name, "|", repr(para.text[:60]))
for t in doc.tables:
    for row in t.rows:
        print([c.text for c in row.cells])
结合 style.name 判断标题层级,为每个切片生成 title_path(如 “3 实施方案 > 3.2 时间表”)。

易错点

  • doc.paragraphs 不包含表格里的文字,表格必须单独遍历
  • 批注、修订等高级内容读不到,重要文档要换工具或转格式

数据来源与参考

  • python-docx 官方文档(python-docx.readthedocs.io)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌