python-docx读不到中文段落通常因路径错误或文档非标，需检查初始化路径是否正确、文档是否由WPS等工具生成；提取纯文本应遍历paragraphs和runs；修改样式前须确认样式名存在；表格图片超链接需手动解析XML。
python-docx 读不到中文段落？检查 Document 初始化路径和编码
python-docx 本身不处理文件编码问题，它直接解析 .docx 的 XML 结构，所以“读不到中文”通常不是编码错误，而是文档本身损坏、或用了非标准生成工具（比如某些国产办公软件导出的伪 .docx）。真正常见的情况是：Document 初始化时传入了错误路径（比如路径含中文但未用 raw string 或未正确转义），导致抛出 PackageNotFoundError 或静默跳过。
- 确保路径用正斜杠或双反斜杠，例如：
r"C:\test\demo.docx"或"C:/test/demo.docx" - 不要用
open()先读文件再传给Document()——Document()只接受路径字符串或 file-like object（且必须支持seek(0)） - 如果文档由 WPS 或在线转换器生成，先用 Microsoft Word 打开另存为一次，再用 python-docx 读取
怎么提取所有纯文本（不含表格、脚注、文本框）？用 paragraphs + runs 组合遍历
很多人以为 paragraph.text 就是完整段落内容，其实它会丢掉加粗/颜色等格式信息，但更关键的是：它**不包含表格内的文字、页眉页脚、文本框、批注**。如果你只要主文档流里的连续文本，就得老老实实遍历 document.paragraphs，并逐个拼接 run.text（因为一个段落可能有多个 run，对应不同样式）。
-
paragraph.text是快捷方式，等价于"".join(run.text for run in paragraph.runs)，可用但不够可控 - 若需保留换行逻辑，注意
paragraph之间天然有段落分隔，但run内无换行符 —— Word 的换行（Shift+Enter）在run中表现为\n，而段落结束才是\n\n - 跳过空段落：
if paragraph.text.strip()，避免一堆空白行
修改段落样式失败？别直接赋值 paragraph.style，先确认样式名存在
python-docx 对样式的操作是“名称匹配”，不是对象引用。你写 paragraph.style = "Heading 2"，它会去文档的样式库中找名为 "Heading 2" 的样式。如果该样式没被文档显式使用过（哪怕 Word 界面里看着有），document.styles 里就查不到，会报 KeyError 或静默失败。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 先打印所有可用样式名：
[s.name for s in document.styles]，注意大小写和空格（比如可能是"heading 2"或"标题 2"） - 安全写法是用
document.styles["Heading 2"]获取样式对象后再赋值，而不是字符串直赋 - 自定义样式要先用 Word 在文档里应用一次，或用
document.styles.add_style()注册（但仅限新建文档）
表格、图片、超链接内容怎么读？python-docx 原生支持有限
表格能读（document.tables），但单元格内嵌段落要手动进一层；图片只存路径或二进制 blob（table.cell(0,0).paragraphs[0].runs[0].part.related_parts），没有自动 OCR 或尺寸解析；超链接是 hyperlink 对象，但 URL 存在 XML 属性里，得从 run._element 往下挖。
立即学习“Python免费学习笔记（深入）”；
- 表格文本：循环
table.rows→row.cells→cell.paragraphs→p.text，别漏掉合并单元格的逻辑 - 图片：实际是
InlineShape，需访问run._element.xpath(".//a:blip")提取 rId，再查document.part.related_parts，过程繁琐且易断 - 简单需求建议绕过 —— 用
docx2python库替代，它把表格展平成嵌套 list，图片路径直接可读，但会丢失样式细节
真正麻烦的从来不是“怎么读”，而是 Word 文档本身结构混乱：同一个视觉效果，XML 实现方式可能有十几种变体。别指望一套代码通吃所有 .docx，每次遇到新文档，先用 opc-diag 或解压 .docx 查看 word/document.xml，比瞎调参数快得多。
