Word的docx格式本质上是符合Open XML标准的压缩文件包，内部通过多个xml文件来组织文档的全部内容，包括文本、格式、图片、样式等所有信息，二者是载体与内容描述语言的关系。
docx格式的基本构成
docx文件采用ZIP压缩格式封装，打开后可以看到清晰的目录结构，核心内容都存放在word目录下，其中大部分文件都是xml格式。我们可以通过简单的解压操作来验证这个结构。
解压docx文件的操作步骤
首先准备一个任意的docx格式Word文档，将其文件后缀名从.docx修改为.zip，然后使用系统自带的解压工具或者第三方解压软件打开这个zip文件，就能看到内部的文件结构：
解压后的docx目录结构示例：
├── [Content_Types].xml # 记录所有文件的内容类型
├── _rels/ # 存放关系文件
│ └── .rels
├── docProps/ # 文档属性相关文件
│ ├── app.xml
│ └── core.xml
└── word/ # 核心文档内容目录
├── document.xml # 文档正文内容
├── styles.xml # 文档样式定义
├── settings.xml # 文档设置信息
├── theme/ # 主题相关文件
├── media/ # 嵌入的图片等媒体资源
└── _rels/ # word目录下的关系文件
└── document.xml.rels
核心xml文件的作用解析
解压后可以看到多个xml文件，每个文件承担不同的功能，共同构成完整的Word文档：
- [Content_Types].xml：定义压缩包内所有文件的MIME类型，告诉Word每个文件应该被如何解析
- word/document.xml：最核心的文件，存储文档的正文内容，包括段落、文本、表格等所有可见内容
- word/styles.xml：定义文档中用到的所有样式，比如标题样式、正文样式、自定义样式等
- word/settings.xml：存储文档的全局设置，比如页面边距、自动保存设置、兼容模式等
- word/media/：存放文档中嵌入的图片、音频等媒体资源，以独立文件形式存储
查看document.xml的内容
我们可以用任意文本编辑器打开word/document.xml文件，就能看到文档内容是用xml标签组织的，比如段落用<w:p>标签，文本用<w:t>标签：
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
<w:body>
<w:p>
<w:r>
<w:t>这是文档的第一段内容</w:t>
</w:r>
</w:p>
<w:p>
<w:r>
<w:t>这是文档的第二段内容</w:t>
</w:r>
</w:p>
</w:body>
</w:document>
二者的关联总结
从解压结果可以明确，docx是xml文件的容器，所有文档的内容和结构信息都通过xml文件来描述，Word程序在打开docx文件时，实际上是先解压这个压缩包，再解析内部的xml文件，将内容渲染成可视化的文档界面。这种设计的好处是文档结构清晰、可扩展性强，也方便开发者通过操作xml文件来实现批量修改文档、提取文档内容、修复损坏文档等操作。
简单操作示例：修改docx文档内容
我们可以通过修改xml文件的方式来修改docx文档的内容，不需要打开Word程序：
- 将目标docx文件后缀改为zip，解压到本地目录
- 用文本编辑器打开
word/document.xml文件，找到需要修改的文本位置 - 修改对应
<w:t>标签内的文本内容，保存文件 - 将所有解压后的文件重新压缩成zip格式，将后缀改回docx
- 打开修改后的docx文件，就能看到内容已经更新
以下是一个简单的Python脚本示例，可以实现自动修改docx文档中的指定文本：
import zipfile
import re
import os
def modify_docx_text(docx_path, old_text, new_text):
# 将docx后缀改为zip
zip_path = docx_path.replace('.docx', '.zip')
os.rename(docx_path, zip_path)
# 解压zip文件
extract_dir = 'temp_docx'
with zipfile.ZipFile(zip_path, 'r') as zip_ref:
zip_ref.extractall(extract_dir)
# 修改document.xml中的内容
doc_xml_path = os.path.join(extract_dir, 'word', 'document.xml')
with open(doc_xml_path, 'r', encoding='utf-8') as f:
content = f.read()
# 替换目标文本，注意xml中的文本在w:t标签内
new_content = content.replace(f'<w:t>{old_text}</w:t>', f'<w:t>{new_text}</w:t>')
with open(doc_xml_path, 'w', encoding='utf-8') as f:
f.write(new_content)
# 重新压缩成zip
with zipfile.ZipFile(zip_path, 'w', zipfile.ZIP_DEFLATED) as zip_ref:
for root, dirs, files in os.walk(extract_dir):
for file in files:
file_path = os.path.join(root, file)
arcname = os.path.relpath(file_path, extract_dir)
zip_ref.write(file_path, arcname)
# 将zip后缀改回docx
os.rename(zip_path, docx_path)
# 清理临时目录
import shutil
shutil.rmtree(extract_dir)
# 调用示例
modify_docx_text('测试文档.docx', '旧内容', '新内容')