python-docx 如何从指定行删除内容或按标记行拆分Word文档

python-docx 提供的doc.paragraphs和doc.tables是两个独立的筛选集合，不会按文档实际排版顺序返回元素，这也是通用遍历方案的核心卡点——不需要分开遍历这两个集合，文档所有块级内容（段落、表格、分节符、嵌入式对象占位）都是<w:body>节点下的直接子元素，严格按照文档渲染顺序排列，直接遍历该节点的子元素即可拿到全量有序的内容块。

你之前找到的段落删除函数本身没有失效，失效的场景基本都是因为仅遍历doc.paragraphs集合漏掉了表格、分节符等元素，导致删不干净；清空run的方式只能清空段落文本，会残留空段落，不推荐使用。

实现逻辑 #

• 直接访问文档body节点的子元素列表，按顺序筛选出段落、表格两类核心块级元素
• 遍历元素查找包含分界标记（如split here）的段落位置
• 找到分界点后，倒序删除分界位置之后的所有元素（倒序删除不会因为元素移除导致索引偏移漏删），不需要单独区分元素类型，直接移除xml节点即可彻底删除内容，不会残留空行、空表格

可直接运行的代码 #

from docx import Document
from docx.oxml.text.paragraph import CT_P
from docx.oxml.table import CT_Tbl

def _remove_block_elem(elem):
    """通用块级元素删除方法，段落、表格均适用"""
    elem.getparent().remove(elem)

def truncate_doc_after_mark(input_path, mark_text="split here", output_path="truncated.docx", keep_mark_line=True):
    """
    以包含指定标记文本的行为分界，删除分界点之后的所有内容
    :param keep_mark_line: 是否保留标记所在的行，传False则连标记行一起删除
    """
    doc = Document(input_path)
    body = doc.element.body
    # 按文档实际顺序收集所有块级元素
    all_blocks = []
    for child in body.iterchildren():
        if isinstance(child, (CT_P, CT_Tbl)):
            all_blocks.append(child)
    
    split_pos = None
    for idx, block in enumerate(all_blocks):
        # 仅段落内存在文本标记
        if isinstance(block, CT_P):
            # 拼接段落全量文本（包含run、超链接等所有位置的文本）
            full_text = "".join([t.text for t in block.iter() if t.text])
            if mark_text in full_text:
                split_pos = idx + 1 if keep_mark_line else idx
                break
    
    if split_pos is None:
        raise ValueError(f"文档中未找到包含标记「{mark_text}」的分界行")
    
    # 倒序删除分界点后的所有元素
    for block in all_blocks[split_pos:][::-1]:
        _remove_block_elem(block)
    
    doc.save(output_path)

# 调用示例
if __name__ == "__main__":
    truncate_doc_after_mark(
        input_path="你的源文件.docx",
        mark_text="split here",
        output_path="拆分后文件.docx"
    )

补充说明 #

• 如果你的分界标记放在表格单元格内，只需要在遍历到CT_Tbl类型元素时，额外遍历元素内的CT_P节点检查文本即可，删除逻辑完全不变。
• 该方案删除内容是直接操作底层xml节点，比清空内容、清空单元格的方式更彻底，不会残留无内容的空段落、空表格占位。
• 如果需要拆分文档为两个文件，只需要在找到split_pos后，分别保留前半段、后半段元素存为两个文件即可。

内容的提问来源于stack exchange，提问作者paj-co