Python通过python-docx库或手动解压.docx ZIP包来解析其内部XML文件；前者用_element.xml获取段落等原始XML，后者用zipfile+etree/lxml读取document.xml等核心文件，并需正确处理命名空间。
Python本身不直接解析Word文档的底层XML，而是通过python-docx库操作.docx文件——因为.docx本质是ZIP压缩包，内部包含多个XML文件（如document.xml、styles.xml等）。若需访问原始XML数据，有两种主流方式：一是用python-docx间接获取XML片段；二是手动解压.docx并解析目标XML文件。
用python-docx提取段落/表格的XML结构
python-docx虽为高层接口，但每个元素（如Paragraph、Run）都提供_element属性，可直接访问底层lxml Element对象，进而读取或修改其XML。
- 安装依赖：
pip install python-docx lxml - 读取段落XML示例：
from docx import Document <p>doc = Document("example.docx") p = doc.paragraphs[0] # 获取第一个段落 xml_str = p._element.xml # 返回该段落的完整XML字符串（含命名空间） print(xml_str[:200]) # 查看前200字符 - 注意：
_element.xml返回的是带namespaces的原始XML，可能含w:前缀（如<p></p><div class="aritcle_card flexRow"> <div class="artcardd flexRow"> <a class="aritcle_card_img" href="/xiazai/skill11613" title="Word 文档生成与编辑"><img src="https://img.php.cn/upload/skill/001/246/273/6adaf20d3191a227.jpg" alt="Word 文档生成与编辑" ></a> <div class="aritcle_card_info flexColumn"> <a href="/xiazai/skill11613" title="Word 文档生成与编辑">Word 文档生成与编辑</a> <p>需要创建、读取、编辑或处理 Word 文档（.docx / .dotx）时使用。触发词：'Word'、'word 文档'、'.docx'、'生成报告'、'制作合同/简历/方案/说明书'、'提取 word 内容'、'在文档里查找替换'、'给文档加页眉页脚/目录/表格'。也用于把任意内容排版成一份正式的 Word 文件。不要用它处理 PDF、Excel 或无关编程任务。中文创作场景尤其适合：小说大纲稿、投稿文档、合同、简历、工作总结。</p> </div> <a href="/xiazai/skill11613" title="Word 文档生成与编辑" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div>），解析时需处理命名空间或用lxml的XPath配合{http://schemas.openxmlformats.org/wordprocessingml/2006/main}。
手动解压.docx并读取核心XML文件
.docx是ZIP格式，可用Python内置zipfile模块解压，再用xml.etree.ElementTree或lxml解析指定XML。
- 关键XML路径（在解压后目录中）：
-
word/document.xml：主文档内容（段落、文字、制表符等） -
word/styles.xml：样式定义 -
word/numbering.xml：编号与项目符号规则 -
word/settings.xml：文档设置
-
- 示例：提取
document.xml中的所有段落文本（忽略格式）：import zipfile import xml.etree.ElementTree as ET <p>with zipfile.ZipFile("example.docx") as docx: with docx.open("word/document.xml") as f: tree = ET.parse(f) root = tree.getroot()</p><h1>Word XML默认命名空间</h1><pre class="brush:php;toolbar:false;"> ns = {"w": "http://schemas.openxmlformats.org/wordprocessingml/2006/main"} for p in root.findall(".//w:p", ns): text = "".join(t.text for t in p.findall(".//w:t", ns) if t.text) print(text.strip())立即学习“Python免费学习笔记（深入）”；
用lxml做深度XML分析（推荐用于复杂需求）
当需XPath查询、命名空间灵活处理、或修改后重新打包时，lxml比标准库更强大。
- 安装：
pip install lxml - 读取并查询带样式的段落：
from lxml import etree import zipfile <p>with zipfile.ZipFile("example.docx") as docx: with docx.open("word/document.xml") as f: tree = etree.parse(f)</p><h1>使用XPath查找所有应用了"Heading1"样式的段落</h1><pre class="brush:php;toolbar:false;"> ns = {"w": "http://schemas.openxmlformats.org/wordprocessingml/2006/main"} headings = tree.xpath("//w:p[w:pPr/w:pStyle[@w:val='Heading1']]", namespaces=ns) for h in headings: text = "".join(h.xpath(".//w:t/text()", namespaces=ns)) print("标题：", text.strip())立即学习“Python免费学习笔记（深入）”；
- 修改XML后，可调用
tree.write()保存，并用zipfile重建.docx（需保留其他文件结构）。
注意事项与常见问题
直接操作XML有风险，务必备份原文件；且Word生成的XML结构较复杂，嵌套深、命名空间多。
-
命名空间必须匹配：OpenXML规范强制使用
w:等前缀，XPath或find操作必须声明对应URI，否则查不到节点。 -
中文乱码？XML本身是UTF-8编码，
zipfile.open()返回bytes，etree.parse()和lxml.etree.parse()能自动识别，无需手动decode。 -
图片、页眉页脚在哪？图片存在
word/media/，页眉页脚在word/header.xml/footer.xml，需单独解压读取。 -
不建议从零构建.docx：手动拼XML易出错，优先用
python-docx生成，仅在特殊分析场景才深入XML层。
