在Python中提取段落文本

Question

在搜索并匹配段落标题（即“1.2 Broadspectrum Offer”）后，如何使用python搜索word文档以提取段落文本。在

也就是说，关于文件示例，我基本上希望得到以下文本“我方提供投标文件中概述的工程范围的报价汇总如下。请参考我方报价的各种条款和条件。 另请查看成本明细表“

1.  Executive Summary

1.1 Summary of Services
Energy Savings (Carbon Emissions and Intensity Reduction)
Upgrade Economy Cycle on Level 2,5,6,7 & 8, replace Chilled Water Valves on Level 6 & 8 and install lighting controls on L5 & 6..

1.2 Summary of Broadspectrum Offer

A summary of our Offer to deliver the Scope of Work as outlined in the tender documents is provided below. Please refer to the various terms and conditions of our Offer as detailed herein.
Please also find the cost breakdown 

请注意，标题编号从doc更改为doc，不希望依赖于此，因此我更希望依赖标题中的搜索文本

到目前为止，我可以搜索文档，但只是一个开始。在

^{pr2}$

Answer 1

这是一个初步的解决方案（等待对我对你上面帖子的评论的答复）。这还不能解释排除Summary of Broadspectrum Offer部分之后的附加段落。如果需要的话，您很可能需要一个小的regex匹配来确定是否遇到了另一个带有1.3（等等）的头段，如果遇到了，就停止理解。如果需要，请告诉我。在

编辑：将print()从列表理解方法转换为标准for循环，以响应Anton vBR下面的注释。在

from docx import Document

document = Document("North Sydney TE SP30062590-1 HVAC - Project Offer -  Rev1.docx")

# Find the index of the `Summary of Broadspectrum Offer` syntax and store it
ind = [i for i, para in enumerate(document.paragraphs) if 'Summary of Broadspectrum Offer' in para.text]
# Print the text for any element with an index greater than the index found in the list comprehension above
if ind:
    for i, para in enumerate(document.paragraphs):
        if i > ind[0]:
             print(para.text)    

[打印(段落文本)对于i，枚举中的段落(文件.段落)如果ind和i>；ind[0]]

^{pr2}$

另外，这里还有一篇文章可以帮助解决另一种方法，即使用段落元数据检测heading类型：Extracting headings' text from word doc