用 Python 一键提取 Word 文档全部内容，文

平时写公众号、整理资料，最烦的就是从 Word 里往外抠内容。复制文字吧，表格全乱；想存图片吧，得一张张右键另存；要是几十个文档，手都点废。

后来我直接用 Python 写了个小工具。核心库选了 python-docx，不用装 Office，纯 Python 就能解析 .docx 文件。不过它只认新版格式，老版 .doc 得先另存为。

提取时有个大坑：直接拿段落会把表格漏掉，而且顺序全乱。所以我改去遍历底层的 XML 节点，这样段落和表格就能按真实顺序一个个吐出来。标题级别也能顺手识别，后面转 Markdown 发公众号特别省事。

表格直接转成二维列表，存 CSV 还是转格式随你。至于图片，因为 .docx 本质是个压缩包，藏在 word/media/ 目录里。代码顺着段落里的 rId 去取二进制数据，图片就能按顺序全扒下来。

最后把这些拼成一个脚本，跑一遍就能把文字、表格、图片全提取出来。合并单元格会重复读，同一张图被多次引用也会存成多份，这些小毛病加个缓存就能搞定。

工具的意义就是让重复劳动自动化，把时间留给真正重要的内容创作。