在現代辦公場景中，Word文檔已成為信息存儲與交流的重要載體，承載著關鍵的業務數據、結構化表格、可視化圖表以及協作批注等重要內容。面對日益增長的文檔處理需求，傳統的人工操作方式已難以滿足效率與準確性的雙重標準。采用Python實現Word文檔內容的自動化解析，不僅能顯著提升處理效率、降低人為錯誤率，還能實現數據集成、內容遷移及智能分析等多種應用。

E-iceblue旗下Spire系列產品是國產文檔處理領域的優秀產品，支持國產化，幫助企業高效構建文檔處理的應用程序。本文將詳細介紹如何使用 Spire.Doc for Python 庫在 Python 中讀取 Word 文檔（包括 .doc 和 .docx 格式），并演示如何提取文本、圖片、表格、批注、列表以及文檔的元數據等信息。無論您是進行文檔內容抓取、自動化報告生成，還是開發文檔解析工具，本教程都將提供清晰的代碼示例和實用指導。

Spire.Doc for Python試用下載

獲取更多信息請咨詢 ；技術交流Q群（125237868）

為什么使用 Python 讀取 Word 文檔？

Python 作為一門靈活且功能強大的編程語言，廣泛應用于自動化、數據處理及內容分析等領域。使用 Python 讀取 Word 文檔，可以實現以下重要應用：

• 批量提取數據：從報告、合同、簡歷等文檔中快速抓取關鍵信息，無需手工復制粘貼。
• 結構化內容解析：將文本、表格和圖片等內容整理成數據庫或分析模型，便于后續處理。
• 自動化工作流集成：將 Word 文檔讀取功能嵌入到 Web 服務、API 或后臺系統，實現端到端自動化。
• 支持多格式文檔處理：同時兼容現代 .docx 和傳統 .doc 文件，保證業務場景的全面覆蓋。

安裝 Python Word 文檔解析庫

要在 Python 中讀取 Word 文檔，首先需要安裝支持 .doc 和 .docx 格式的解析庫。Spire.Doc for Python 是一款功能完善且獨立于 Microsoft Office 的第三方庫，支持提取文本、圖片、表格、批注、列表及元數據等多種內容。

通過以下命令即可安裝 Spire.Doc：

pip install Spire.Doc

安裝完成后，即可在 Python 代碼中導入并使用 Spire.Doc 進行 Word 文檔的讀取和處理。

使用 Python 讀取 Word 文檔中文本

提取文本是解析 Word 文檔的基礎需求。根據不同場景，你可能需要獲取整篇文檔的全部文本，或僅針對特定節、段落進行讀取。

獲取整個文檔的文本

在文檔管理系統中，提取全文文本有助于建立搜索索引，使用戶能夠通過關鍵詞快速定位文檔內容，從而提升查詢效率和使用體驗。 

Spire.Doc 提供了 Document.GetText() 方法，可一次性提取 Word 文檔中的所有文字信息，涵蓋正文、表格及列表等內容。

以下示例展示了如何加載 Word 文檔，獲取全文文本，并將其保存為獨立的文本文件，便于后續處理與分析：

from spire.doc import *

# 創建Document對象
doc = Document()

# 加載Word文檔
doc.LoadFromFile("示例.docx")

# 獲取文檔所有文本
text = doc.GetText()

# 保存獲取的文本為TXT文件
with open("output/提取文本.txt", "w", encoding="utf-8") as file:
file.write(text)

document.Close()

獲取特定節或段落的文本

在許多結構化文檔（如報告、合同或說明書）中，內容通常被劃分為多個節或段落。若只需提取文檔中某一部分的文本信息，可以直接訪問指定節，并逐段讀取內容，實現更具針對性的處理。

以下示例展示了如何訪問 Word 文檔中的指定節，并提取其中所有段落的文本內容： 

from spire.doc import *

# 加載 .docx 或 .doc 文件
document = Document()
document.LoadFromFile("示例.docx")

# 訪問指定節
section = document.Sections[0]

# 獲取該節段落文本
with open("output/節文本.txt", "w", encoding="utf-8") as file:
    for paragraph in section.Paragraphs:
        file.write(paragraph.Text + "\n")

document.Close()

使用 Python 讀取 Word 文檔中的特定元素

除了純文本，Word 文檔中還可能包含圖片、表格、批注、列表及元數據等多種元素。Spire.Doc 提供豐富且便捷的接口，幫助開發者高效地提取這些內容，實現對文檔結構和數據的全面訪問。

提取圖片

 Word 文檔中常包含圖片元素，例如公司 Logo、插圖、圖表等。若需提取這些圖片以便進行分析、存檔或再利用，可通過遍歷文檔結構并識別圖片對象（DocPicture）來實現。

 以下是提取 Word 文檔中所有圖片并將其保存為本地文件的完整示例：

import queue
from spire.doc import *

# 創建Document對象
doc = Document()

# 加載Word文件
doc.LoadFromFile("示例.docx")

# 創建隊列對象
nodes = queue.Queue()
nodes.put(doc)

# 創建列表
images = []

while nodes.qsize() > 0:
    node = nodes.get()

    # 遍歷文檔中的子對象
    for i in range(node.ChildObjects.Count):
        child = node.ChildObjects.get_Item(i)

        # 判斷子對象是否為圖片
        if child.DocumentObjectType == DocumentObjectType.Picture:
            picture = child if isinstance(child, DocPicture) else None
            dataBytes = picture.ImageBytes

            # 將圖片數據添加到列表中
            images.append(dataBytes)
         
        elif isinstance(child, ICompositeObject):
            nodes.put(child if isinstance(child, ICompositeObject) else None)

# 遍歷列表中的圖片
for i, item in enumerate(images):
    fileName = "圖片-{}.png".format(i)
    with open("output/Images/"+fileName,'wb') as imageFile:

        # 將圖片寫入指定路徑
        imageFile.write(item)
doc.Close()

獲取表格數據

在 Word 文檔中，表格常用于組織結構化數據，如報表或物品清單。使用 Spire.Doc，開發者可以遍歷文檔中的所有表格，訪問表格中的每個單元格，并提取單元格的內容。

 以下代碼展示了如何提取Word文檔中所有表格的數據，并將結果保存為文本文件：

from spire.doc import *
import os

# 加載 Word 文檔
document = Document()
document.LoadFromFile("示例.docx")

# 指定輸出文件夾存在
output_dir = "output/Tables"
os.makedirs(output_dir, exist_ok=True)

# 遍歷所有節并提取表格數據
for s in range(document.Sections.Count):
    section = document.Sections[s]
    tables = section.Tables

    for i in range(tables.Count):
        table = tables[i]
        table_data = ""

        for j in range(table.Rows.Count):
            row = table.Rows[j]

            for k in range(row.Cells.Count):
                cell = row.Cells[k]
                cell_text = ""

                for p in range(cell.Paragraphs.Count):
                    para_text = cell.Paragraphs[p].Text
                    cell_text += para_text + " "

                table_data += cell_text.strip()
                if k < row.Cells.Count - 1:
                    table_data += "\t"
            table_data += "\n"

        # 將提取的表格數據寫入文本文件
        output_path = os.path.join(output_dir, f"Word表格_{s+1}_{i+1}.txt")
        with open(output_path, "w", encoding="utf-8") as output_file:
            output_file.write(table_data)

document.Close()

讀取列表

Word 文檔中的項目列表（如編號列表和項目符號列表）常用于展示條款、步驟或要點等結構化內容。借助 Spire.Doc，開發者可以輕松識別并提取文檔中的列表。

以下代碼示例展示了如何加載 Word 文件，查找所有列表項，并將項目編號（如數字或符號）和其對應的文本內容寫入本地文本文件：

from spire.doc import *

# 加載 Word 文檔
document = Document()
document.LoadFromFile("示例.docx")

# 創建文本文件，用于存放列表內容
with open("output/列表內容.txt", "w", encoding="utf-8") as output_file:
    # 遍歷文檔中的節
    for s in range(document.Sections.Count):
        section = document.Sections[s]
        # 遍歷節中的段落
        for p in range(section.Paragraphs.Count):
            paragraph = section.Paragraphs[p]
            # 找到列表，提取其內容并保存至文本文件
            if paragraph.ListFormat.ListType != ListType.NoList:
                output_file.write(paragraph.ListText + paragraph.Text + "\n")

document.Close()

提取批注

Word 支持添加批注，用于提供修改建議或評論。通過訪問 Comments 集合，可以獲取文檔中所有批注的信息，包括批注作者和具體內容，便于實現審閱流程的自動化管理。

以下代碼展示了如何提取所有批注，包括批注作者與內容，并保存到文本文件中： 

from spire.doc import *

# 加載 Word 文檔
document = Document()
document.LoadFromFile("示例.docx")

# 創建文本文件，用于存放批注內容
with open("output/批注內容.txt", "w", encoding="utf-8") as output_file:
    # 遍歷文檔中的所有批注，獲取每個批注的作者和內容
    for i in range(document.Comments.Count):
        comment = document.Comments[i]
        output_file.write(f"批注 {i + 1}：\n")
        output_file.write(f"作者：{comment.Format.Author}\n")

        comment_text = ""
        for j in range(comment.Body.Paragraphs.Count):
            paragraph = comment.Body.Paragraphs[j]
            comment_text += paragraph.Text + "\n"

        output_file.write(f"內容: {comment_text.strip()}\n\n")

document.Close()

獲取元數據（文檔屬性）

Word 文檔通常包含作者、標題、主題、關鍵字等元數據信息，這些數據保存在文檔的 BuiltinDocumentProperties 屬性中。提取這些屬性有助于文檔的歸檔管理、分類整理以及搜索優化。

以下示例代碼展示了如何讀取 Word 文檔的標題、作者、主題等屬性，并將其保存到本地文本文件： 

from spire.doc import *

# 加載 Word 文檔
document = Document()
document.LoadFromFile("示例.docx")

# 獲取文檔屬性
props = document.BuiltinDocumentProperties

# 將文檔屬性信息寫入到本地文本文件
with open("output/元數據.txt", "w", encoding="utf-8") as output_file:
    output_file.write(f"標題: {props.Title}\n")
    output_file.write(f"作者: {props.Author}\n")
output_file.write(f"主題: {props.Subject}\n")

document.Close()

總結

使用 Python 讀取 Word 文檔，不僅能夠顯著提升文檔處理效率，還能實現數據提取與自動化工作的深度集成。通過 Spire.Doc for Python，開發者可以輕松完成 .doc 和 .docx 文件中的文本提取、表格讀取、圖片導出、批注解析、列表識別以及元數據獲取等多種常見操作。

除了讀取內容，Spire.Doc 還支持創建和編輯 Word 文檔、設置樣式格式、插入圖片、執行文檔合并，以及將 Word 轉換為 PDF和圖片等格式，滿足從讀取到輸出的全流程需求，適用于報告生成、合同解析、批量文檔處理等多種業務場景。

常見問題解答

Q1：Python 如何讀取 Word（.doc/.docx）文檔內容？

A1：可以使用 Spire.Doc for Python 來讀取 Word 文件。該庫支持加載 .doc 和 .docx 格式，并提取文檔中的文本、圖片、表格、批注等內容。

Q2：使用 Spire.Doc for Python 是否需要安裝 Microsoft Office？
A2：不需要。Spire.Doc 是一款獨立運行的 Word 處理庫，無需安裝 Microsoft Word 或 Office ，即可在 Python 項目中實現 Word 文件的讀取與編輯功能。

Q3：除了讀取 Word 內容，Spire.Doc 是否支持寫入和生成 Word 文件？
A3：支持。Spire.Doc for Python 不僅可以讀取 Word 文檔內容，還支持以編程方式創建、編輯和保存 Word 文件。用戶可以添加段落、設置樣式、插入圖片和表格，甚至將 Word 轉換為 PDF 或圖片格式，滿足多樣化的文檔生成需求。

————————————————————————————————————————

關于慧都科技：

慧都科技是一家行業數字化解決方案公司，長期專注于軟件、油氣與制造行業。公司基于深入的業務理解與管理洞察，以系統化的業務建模驅動技術落地，幫助企業實現智能化運營與長期競爭優勢。在軟件工程領域，我們提供開發控件、研發管理、代碼開發、部署運維等軟件開發全鏈路所需的產品，提供正版授權采購、技術選型、個性化維保等服務，幫助客戶實現技術合規、降本增效與風險可控。慧都科技E-iceblue的官方授權代理商，提供E-iceblue系列產品免費試用，咨詢，正版銷售等于一體的專業化服務。E-iceblue旗下Spire系列產品是國產文檔處理領域的優秀產品，支持國產化，幫助企業高效構建文檔處理的應用程序。

歡迎下載|體驗更多E-iceblue產品