下载掌阅APP，畅读海量书库
立即打开
在处理Word文档时，经常需要从文档中提取文本内容，以分析或用于其他处理过程。Python-docx库提供了简单而直接的接口，可以轻松实现从文档中读取文本的功能。可以将任何一个文档视为一系列的段落，每个段落都包含一些文本。Python-docx则提供了一个结构化的方式来处理Word文档。
为了实现批量提取文档的功能，首先需要读取文档，然后遍历其中的所有段落，把每个段落的内容保存起来。在Python-docx中，可以使用Document类表示一个Word文档，通过Document的paragraphs属性，可以获取文档中的所有段落，如代码3-4所示。
上述代码定义了一个函数extract_specific_text()，它接收两个参数：一个是Word文档的文件名，另一个是要提取的特定文本。这个函数遍历文档中的每个段落，检查段落的文本是否包含特定文本。只有当段落的文本包含特定文本时，该段落的文本才被添加到结果列表中。
该函数的返回值是一个字符串列表，每个字符串对应文档中包含特定文本的一个段落。这样用户就能专注地处理那些包含特定文本的段落。
这个实战案例展示了如何从Word文档中提取包含特定文本的段落。这是一个常见的任务，例如，想要从一个大的文档中提取所有提到某个关键词的段落，通过Python-docx库，便可以用简洁的代码实现这个任务。