使用Python docx从Word文档中提取表格内的编号列表，核心思路是先通过python_docx库加载Word文档，遍历文档中的所有表格，再逐个处理表格的单元格，识别单元格内的编号列表元素并提取内容。这种方式可以批量处理大量Word文档，大幅提升工作效率。
环境准备
首先需要安装python_docx库，使用pip命令即可完成安装：
pip install python-docx
Word文档表格与编号列表的结构解析
Word文档中的表格由<w:tbl>标签定义，每个表格包含多行<w:tr>，每行包含多个单元格<w:tc>。而编号列表在python_docx中属于段落的特殊属性，每个编号列表项对应一个段落，段落的style属性会标记是否为列表样式，同时段落的_p底层XML节点中包含编号相关的信息。
提取表格内编号列表的实现步骤
1. 加载Word文档并获取所有表格
通过Document类加载目标Word文档，再通过tables属性获取文档中的所有表格：
from docx import Document
def get_all_tables(file_path):
# 加载Word文档
doc = Document(file_path)
# 返回所有表格对象
return doc.tables
2. 遍历表格单元格并识别编号列表
遍历每个表格的行和单元格，检查单元格内的段落是否属于编号列表。编号列表的段落通常具有style.name包含List关键字，同时可以通过段落的_p节点的属性判断是否存在编号：
def is_numbered_list_paragraph(paragraph):
# 判断段落样式是否为列表样式
if paragraph.style and "List" in paragraph.style.name:
return True
# 检查底层XML节点是否存在编号相关属性
p_pr = paragraph._p.get_or_add_pPr()
num_pr = p_pr.find("{http://schemas.openxmlformats.org/wordprocessingml/2006/main}numPr")
return num_pr is not None
3. 提取编号列表的内容
对识别出的编号列表段落，提取其文本内容并保留编号顺序：
def extract_table_numbered_lists(file_path):
tables = get_all_tables(file_path)
result = []
# 遍历所有表格
for table_idx, table in enumerate(tables):
table_data = {
"table_index": table_idx,
"numbered_lists": []
}
# 遍历表格的所有行
for row_idx, row in enumerate(table.rows):
# 遍历行内的所有单元格
for col_idx, cell in enumerate(row.cells):
cell_lists = []
# 遍历单元格内的所有段落
for para in cell.paragraphs:
if is_numbered_list_paragraph(para):
# 提取段落文本，去除首尾空白
list_text = para.text.strip()
if list_text:
cell_lists.append(list_text)
if cell_lists:
table_data["numbered_lists"].append({
"row_index": row_idx,
"col_index": col_idx,
"lists": cell_lists
})
if table_data["numbered_lists"]:
result.append(table_data)
return result
完整示例代码与测试
以下是一个完整的可运行示例，假设我们有一个名为test.docx的Word文档，其中表格内包含编号列表：
from docx import Document
def get_all_tables(file_path):
doc = Document(file_path)
return doc.tables
def is_numbered_list_paragraph(paragraph):
if paragraph.style and "List" in paragraph.style.name:
return True
p_pr = paragraph._p.get_or_add_pPr()
num_pr = p_pr.find("{http://schemas.openxmlformats.org/wordprocessingml/2006/main}numPr")
return num_pr is not None
def extract_table_numbered_lists(file_path):
tables = get_all_tables(file_path)
result = []
for table_idx, table in enumerate(tables):
table_data = {
"table_index": table_idx,
"numbered_lists": []
}
for row_idx, row in enumerate(table.rows):
for col_idx, cell in enumerate(row.cells):
cell_lists = []
for para in cell.paragraphs:
if is_numbered_list_paragraph(para):
list_text = para.text.strip()
if list_text:
cell_lists.append(list_text)
if cell_lists:
table_data["numbered_lists"].append({
"row_index": row_idx,
"col_index": col_idx,
"lists": cell_lists
})
if table_data["numbered_lists"]:
result.append(table_data)
return result
if __name__ == "__main__":
# 替换为你的Word文档路径
file_path = "test.docx"
extracted_data = extract_table_numbered_lists(file_path)
for table_info in extracted_data:
print(f"表格索引：{table_info['table_index']}")
for list_info in table_info["numbered_lists"]:
print(f" 行：{list_info['row_index']}，列：{list_info['col_index']}")
print(f" 编号列表内容：{list_info['lists']}")
注意事项
- 部分自定义编号样式可能不会被
"List" in paragraph.style.name识别，此时可以通过解析段落底层XML的编号属性做更精准的判断。 - 如果单元格内同时存在普通文本和编号列表，上述代码只会提取编号列表的内容，普通文本会被忽略。
- 处理大型Word文档时，建议先测试少量表格的提取效果，确认逻辑符合需求后再批量处理。
Pythonpython_docxWord表格提取编号列表提取修改时间：2026-07-01 11:45:41