使用docx-rs crate提取Word内容时match语句匹配异常求助

问题描述 #

使用docx-rs crate提取Word文件文本时，match语句无法区分DocumentChild枚举的Paragraph和Table变体，编译提示Table模式不可达，输出始终为"variant para"，同时无法访问文件中的表格，还对部分枚举变体使用Box包裹存在疑问。

相关代码：

let docx =  &read_docx(&read_to_vec(&self.path_str)?)?;
let document = &docx.document;
// ... type docx_rs::documents::document::Document
for (i, document_child) in document.children.iter().enumerate(){
    // ... type &docx_rs::documents::document::DocumentChild
    if i > 100 {
        break
    };
    let variant = match document_child {
        Paragraph => {
            "para" 
        },
        Table => {
            "table" 
        },
        _ => "other"
    };
    info!("variant {variant}");
    // ... always "variant para"
}

编译警告：

warning: unreachable pattern
  --> src\docx_document.rs:65:7
   |
62 |                   Paragraph => {
   |                   --------- matches any value
...
65 |                   Table => {
   |                   ^^^^^ unreachable pattern

核心原因 #

你写的match模式完全错误：

1. DocumentChild枚举的Paragraph和Table变体是带关联数据的，完整定义是Paragraph(Box<Paragraph>)和Table(Box<Table>)，并非无数据的单元变体。
2. 直接写Paragraph =>会被Rust解析为变量绑定（创建一个名为Paragraph的变量，匹配任何值），导致第一个分支捕获所有情况，后续Table和_分支自然不可达。

修复方案 #

1. 正确的match模式写法 #

先导入枚举变体（或使用完整路径），并处理关联的Box包裹数据：

// 导入枚举变体，避免写全路径
use docx_rs::DocumentChild::{self, Paragraph, Table};

for (i, document_child) in document.children.iter().enumerate(){
    if i > 100 {
        break;
    };
    let variant = match document_child {
        Paragraph(_) => "para", // 用_忽略Box<Paragraph>数据，或用变量接收
        Table(_) => "table",    // 同理，忽略Box<Table>数据
        _ => "other"
    };
    info!("variant {variant}");
}

如果需要访问表格或段落的具体内容，不要用_，而是绑定变量：

match document_child {
    Paragraph(para_box) => {
        // 解引用Box获取Paragraph实例
        let para = para_box.as_ref();
        // 处理段落内容，比如提取文本
        info!("段落文本: {}", para.text());
    },
    Table(table_box) => {
        let table = table_box.as_ref();
        // 遍历表格行和单元格
        for row in &table.rows {
            for cell in &row.cells {
                info!("单元格文本: {}", cell.text());
            }
        }
    },
    _ => {}
}

2. 关于Box包裹的疑问 #

docx-rs中用Box包裹Paragraph和Table的原因：

• 这两个变体的结构体体积较大，用Box可以减少DocumentChild枚举的内存占用（枚举大小由最大变体决定，Box是固定大小的指针）。
• 避免枚举定义中的循环依赖（比如Paragraph内部可能包含引用文档结构的字段，Box可打破循环）。
• 访问时通过as_ref()或*解引用即可获取内部结构体实例，不影响使用。

验证表格访问 #

修复match模式后，就能正确识别表格变体，通过table_box.as_ref()获取Table实例，再遍历rows和cells即可提取表格中的文本内容。

内容的提问来源于stack exchange，提问作者mike rodent