如何在Python中按换行符拆分docx文件的字节内容为两部分？

不能直接通过在二进制读取的字节内容c中查找'\n'来拆分文本和图片部分，核心原因如下：

• DOCX并非纯文本格式：DOCX本质是一个ZIP压缩包，内部包含XML结构文件、媒体资源文件（比如你的公式图片）等，和TXT这类按行存储的纯文本文件完全不同。你在Word里看到的“两行”是渲染后的视觉效果，底层存储中，文本和图片是相互独立的模块，不存在对应视觉换行的'\n'分隔符。
• 二进制流中的'\n'无对应意义：读取到的字节内容里的'\n'，大概率是压缩包内部XML文件的格式换行符，和文档里的视觉行没有关联，用它拆分只会得到混乱的片段，根本无法区分出目标文本和图片部分。

如果要提取DOCX里的文本和图片，建议用专门的处理库，比如python-docx，示例代码如下：

from docx import Document

doc = Document('text.docx')

# 提取文本部分
for para in doc.paragraphs:
    if para.text.strip():
        print("文本内容：", para.text)

# 提取图片并保存
for rel in doc.part.rels.values():
    if "image" in rel.target_ref:
        image_data = rel.target_part.blob
        with open('equation.png', 'wb') as img_file:
            img_file.write(image_data)

内容的提问来源于stack exchange，提问作者Linh Chi Nguyen