如何使用Python获取Docx文件中多级列表的相对位置？

依赖库 #

首先确保安装python-docx：

pip install python-docx

实现代码 #

from docx import Document

def extract_multilevel_lists(doc_path):
    doc = Document(doc_path)
    output = {}
    # 维护各层级的计数器，索引对应层级（0为一级，1为二级，以此类推）
    level_counters = []
    # 维护当前层级的编号前缀
    current_prefix = []

    for para in doc.paragraphs:
        # 跳过非列表段落
        if not para.style.name.startswith('List'):
            continue
        
        # 获取当前段落的列表层级（从0开始）
        level_elem = para._element.xpath('./w:pPr/w:numPr/w:ilvl')
        if not level_elem:
            continue
        level = int(level_elem[0].attrib['w:val'])

        # 调整计数器和前缀列表的长度，匹配当前层级
        while len(level_counters) <= level:
            level_counters.append(0)
        while len(current_prefix) <= level:
            current_prefix.append('')
        
        # 回到上层时，重置下层计数器和前缀
        if level < len(level_counters) - 1:
            level_counters = level_counters[:level+1]
            current_prefix = current_prefix[:level+1]
        
        # 递增当前层级计数器
        level_counters[level] += 1

        # 按层级生成对应编号格式
        if level == 0:
            current_num = str(level_counters[level])
            current_prefix[level] = current_num
        elif level == 1:
            # 二级用(a)(b)格式
            current_num = f'({chr(96 + level_counters[level])})'
            current_prefix[level] = f'{current_prefix[level-1]}-{current_num}'
        elif level == 2:
            # 三级用(i)(ii)格式
            roman_map = ['i', 'ii', 'iii', 'iv', 'v', 'vi', 'vii', 'viii', 'ix', 'x']
            current_num = f'({roman_map[level_counters[level]-1]})'
            current_prefix[level] = f'{current_prefix[level-1]}-{current_num}'
        # 可按需扩展更多层级的编号规则

        # 生成最终键并添加文本
        key = current_prefix[level]
        text = para.text.strip()
        if text:
            output[key] = text
    
    return output

# 示例调用
if __name__ == '__main__':
    result = extract_multilevel_lists('your_docx_file.docx')
    for k, v in result.items():
        print(f"{k}: {v}")

关键说明 #

• 非列表过滤：通过段落样式前缀判断，直接跳过普通文本段落，只处理列表内容。
• 层级管理：利用Docx内部的ilvl属性确定列表层级，维护各层级的计数器和前缀，确保层级切换时计数器正确重置。
• 编号格式：针对一级（阿拉伯数字）、二级（小写字母括号）、三级（罗马数字括号）实现了匹配需求的格式，可根据文档实际列表规则扩展更多层级。
• 文本清理：自动去除段落前后的冗余空格，避免无效空内容加入结果。

注意事项 #

部分Docx文档的列表样式可能命名差异（比如包含Bullet或Numbering），如果过滤不彻底，可调整para.style.name的判断逻辑；罗马数字部分当前仅支持前10个，若需要更多可扩展罗马数字生成逻辑。

内容的提问来源于stack exchange，提问作者crx91