嘿，我明白你现在的痛点了——单独遍历doc.element.body拿不到图片，只循环doc.part.rels.values又丢了文本和表格的顺序，确实头疼！其实我们可以通过遍历文档的所有块级元素+关联关系映射的方式，完美保留原文档的顺序来提取所有内容。下面给你具体的解决方案：

核心思路 #

Word文档的内容是按「块级元素」顺序排列的（段落、表格、内嵌图片都属于这个流），我们可以先提前建立图片关系ID（rId）到地址的映射，再按顺序遍历所有块元素，分别处理文本、表格和内嵌图片，这样就能保证内容顺序和原文档完全一致。

具体实现代码（以python-docx为例） #

首先确保你已经安装了python-docx库：

pip install python-docx

然后用以下代码提取内容：

from docx import Document

def extract_doc_content(doc_path):
    # 加载文档
    doc = Document(doc_path)
    # 提前建立「关系ID -> 图片地址」的映射，避免重复遍历rels
    image_rels_map = {
        rel.rId: rel.target_ref 
        for rel in doc.part.rels.values() 
        if "image" in rel.target_ref.lower()
    }
    extracted_content = []

    # 按顺序遍历文档body中的所有元素
    for element in doc.element.body.iter():
        # 处理段落元素（包含文本和内嵌图片）
        if element.tag.endswith("p"):
            # 把xml元素转换成docx的Paragraph对象
            paragraph = doc._body._element_to_object(element)
            # 提取段落文本
            para_text = paragraph.text.strip()
            if para_text:
                extracted_content.append(f"📝 文本内容: {para_text}")
            
            # 提取段落中的内嵌图片
            for run in paragraph.runs:
                # 通过XPath定位内嵌图片的关系ID
                inline_images = run._element.xpath(".//w:drawing//wp:inline")
                for img in inline_images:
                    r_id = img.xpath(".//a:blip/@r:embed")[0]
                    if r_id in image_rels_map:
                        extracted_content.append(f"🖼️ 图片地址: {image_rels_map[r_id]}")
        
        # 处理表格元素
        elif element.tag.endswith("tbl"):
            # 把xml元素转换成docx的Table对象
            table = doc._body._element_to_object(element)
            extracted_content.append("--- 表格开始 ---")
            # 逐行提取表格内容
            for row in table.rows:
                cell_contents = [cell.text.strip() for cell in row.cells]
                extracted_content.append(" | ".join(cell_contents))
            extracted_content.append("--- 表格结束 ---")
    
    return extracted_content

# 使用示例
if __name__ == "__main__":
    content_list = extract_doc_content("你的文档路径.docx")
    for item in content_list:
        print(item)

代码说明 #

1. 图片映射预处理：先遍历文档的关系集合（rels），把所有图片的rId和对应的内部地址存成字典，后续找图片地址时直接查字典，效率更高。
2. 按顺序遍历块元素：doc.element.body.iter()会严格按照原文档的顺序遍历所有块级元素，确保内容顺序不混乱。
3. 分类型处理内容：
   • 段落：先提取文本，再遍历段落中的每个run，通过XPath找到内嵌图片的rId，再从映射字典中获取图片地址。
   • 表格：标记表格的开始/结束，逐行逐单元格提取文本，用|分隔单元格内容，方便区分表格结构。

额外注意事项 #

• 如果文档中有浮动式图片（不是内嵌在段落里的），这类图片不会出现在段落的run中，你可以额外遍历doc.shapes来处理，但浮动图片的位置和文本流的对应关系需要额外判断，一般内嵌图片的顺序更贴合文本流。
• 代码中获取的图片地址是docx压缩包内的相对路径，如果需要导出图片文件，可以通过doc.part.rels[r_id].target_part.blob获取图片的二进制内容，再保存为本地文件。

备注：内容来源于stack exchange，提问作者user30342609