Python-docx v0.8.11识别斜体段落及管道字符失效问题咨询

问题根源 #

• 样式继承导致斜体识别失效：python-docx 中run.italic仅返回直接应用在该run上的斜体设置，如果斜体是通过段落样式、字符样式继承而来，该属性会返回None而非True，这就是整段设置斜体时识别失败的核心原因。
• 原有逻辑缺陷：现有代码会重复添加同一段落索引到结果列表，且仅判断run的直接斜体属性，没有覆盖样式继承场景，同时限制只检查前50个字符可能遗漏目标字符。

解决思路 #

1. 实现斜体状态的完整判断逻辑，逐层向上继承样式属性，覆盖直接设置、字符样式继承、段落样式继承三种场景
2. 优化遍历逻辑，避免重复记录同一段落索引
3. 移除不必要的字符数限制，确保所有目标字符都被检测

修正后代码 #

import docx
from docx.shared import Parented

def is_italic(obj: Parented) -> bool:
    # 优先判断对象直接设置的斜体属性
    if obj.italic is not None:
        return obj.italic
    # 判断对象关联样式的斜体属性
    if obj.style is not None and obj.style.font.italic is not None:
        return obj.style.font.italic
    # 对于run对象，继续向上查找所属段落的样式配置
    if hasattr(obj, 'paragraph') and obj.paragraph.style.font.italic is not None:
        return obj.paragraph.style.font.italic
    # 所有层级都没有设置斜体则返回False
    return False

doc = docx.Document(r'C:\example.docx')

slide_list = []
italicized_list = []
slide_char = '|'

for i, paragraph in enumerate(doc.paragraphs):
    # 跳过空段落
    if not paragraph.text:
        continue
    # 跳过首字符不是管道符的段落，若需要忽略前导空格可改为 paragraph.text.lstrip()[0]
    if paragraph.text[0] != slide_char:
        continue
    
    # 每个段落仅判断一次，避免重复添加
    para_recorded = False
    for run in paragraph.runs:
        if slide_char not in run.text:
            continue
        if is_italic(run):
            italicized_list.append(i)
        else:
            slide_list.append(i)
        para_recorded = True
        break

补充说明 #

Word中run是相同格式连续文本的最小存储单元，同一个run内的所有字符格式完全一致，因此不需要逐字符遍历判断，只要run内包含管道符，即可直接用该run的格式属性判断管道符的斜体状态，可大幅提升遍历效率。

内容的提问来源于stack exchange，提问作者Emile Durkheim