我正在使用python-docx 将 Word docx 转换为自定义 HTML 等效项。我需要转换的文档有图像和表格，但我无法弄清楚如何在给定的运行中访问图像和表格。这就是我的想法......
for para in doc.paragraphs:
for run in para.runs:
# How to tell if this run has images or tables?
...但我在Run 上看不到任何包含InlineShape 或Table 信息的内容。我必须直接回退到 XML，还是有更好、更简洁的方法来迭代文档中的所有内容？
谢谢！
【问题讨论】：
标签： python python-docx
实际上有两个问题需要解决。第一个是按文档顺序遍历文档中的所有块级元素。第二个是遍历每个块元素中的所有内联元素，按照它们出现的顺序。
python-docx 还没有您直接执行此操作所需的功能。但是，对于第一个问题，这里有一些示例代码可能对您有用： https://github.com/python-openxml/python-docx/issues/40
据我所知，没有确切的对应物可以处理内联项，但我希望您可以在使用paragraph.runs 时走得更远。所有内联内容都将在一个段落内。如果您已经完成了大部分工作并且只是忙于获取图片或其他内容，那么您可以进入 lxml 级别并解码一些 XML 以获得您需要的内容。如果你走得那么远并且仍然热衷于，如果你在 GitHub 问题列表上发布一个功能请求，比如“功能：Paragraph.iter_inline_items()”，我可能会为你提供一些类似的代码来获得你需要的东西。
这个要求不时出现，所以我们一定会在某个时候添加它。
请注意，块级项目（主要是段落和表格）可以递归地出现，一般的解决方案需要考虑到这一点。特别是，一个段落可以（实际上至少总是必须）出现在表格单元格中。表格也可以出现在表格单元格中。所以理论上它可以变得很深。递归函数/方法是获取所有这些的正确方法。
【讨论】：
假设doc 的类型为Document，那么您要做的是进行3 次单独的迭代：
doc.tables
doc.inline_shapes
您的代码不起作用的原因是段落没有引用文档中的表格和/或形状，因为它们存储在 Document 对象中。
这里是更多信息的文档：python-docx
【讨论】：