Python读取Word文档全部文字方法详解

用python-docx读取.docx文档所有段落文字，包括表格内文字，输出纯文本或保存为txt文件，适合批量提取Word内容做数据分析和检索。

场景痛点

手里一堆Word文档，需要把里面的文字全部提取出来做关键词搜索、内容归档、复制到别的系统。手动打开每个文件全选复制，几十份文档就要重复几十遍，还容易漏段落、漏表格。用python-docx可以一次性遍历文档所有段落和表格，把纯文本批量提取出来，秒级完成。

用到的库

pip install python-docx

完整代码

# 导入库
from docx import Document

def read_all_text(docx_path):
# 打开Word文档
doc = Document(docx_path)

all_text = []

# 读取所有段落
for para in doc.paragraphs:
text = para.text.strip()
if text:  # 跳过空段落
all_text.append(text)

# 读取所有表格中的文字
for table in doc.tables:
for row in table.rows:
row_text = []
for cell in row.cells:
# 每个单元格可能有多段，全部拼接
cell_text = cell.text.strip()
if cell_text:
row_text.append(cell_text)
if row_text:
all_text.append(' | '.join(row_text))

# 拼接成完整文本
full_text = '\n'.join(all_text)
return full_text

def save_text_to_file(text, output_path):
# 把提取的文字保存为txt文件
with open(output_path, 'w', encoding='utf-8') as f:
f.write(text)

if __name__ == '__main__':
input_file = 'demo.docx'
output_file = 'output.txt'

text = read_all_text(input_file)
print('=== 文档内容预览 ===')
print(text[:500])  # 打印前500字预览

save_text_to_file(text, output_file)
print(f'\n完整文字已保存到：{output_file}')