Python实现提取docx文档每段中双引号包裹的文章标题

原代码问题说明 #

• 循环变量名混用：遍历用的变量是para，但代码内部错误调用了未定义的变量i
• 多余的编码转换：将段落文本编码为UTF-8字节流再转字符串，会额外增加b前缀，影响后续匹配
• 缺少匹配双引号内容的逻辑，仅打印了原始段落内容

调整后完整代码 #

from docx import Document
import re

doc = Document("References.docx")

for para in doc.paragraphs:
    # 直接获取段落纯文本
    para_text = para.text
    # 正则匹配全角双引号之间的内容，非贪婪模式避免多引号匹配错误
    title_match = re.search(r'“(.*?)”', para_text)
    if title_match:
        # 打印匹配到的标题内容
        print(title_match.group(1))

代码说明 #

• 导入re正则模块完成字符串匹配，规则中的“和”匹配示例中使用的中文全角双引号，.*?为非贪婪匹配，确保只会取到第一个成对双引号的内容
• 自动过滤没有双引号的段落，仅输出匹配到的标题

内容的提问来源于stack exchange，提问作者Mr. Holy