Как сохранить нумерацию абзаца, сделанную с помощью функционала word при чтении в python. Как корректно прочитать файл docx?

Question

[Nadin7777]

Вот код, которым я читаю файл:

pip install python-docx
import docx
doc = docx.Document("C:/Users/Сhange_contract_14.docx")
text = []
for paragraph in doc.paragraphs:
    text.append(paragraph.text)
print('\n'.join(text))

Далее нужно работать с документом с применением регулярных выражений.
У документа пропадает нумерация абзацев, которая была сделана в word с использованием сервиса "Нумерация", который автоматически каждый абзац в тексте нумерует по правилам, выбранным пользователем, с разной глубиной:

1.
1.1.
1.1.1. и т.д.

Так вот, с помощью кода, написанного выше, в документе остается только нумерация проставленная в ручную, а автоматическая исчезает. Как правильно нужно прочитать документ, что бы избежать проблемы. Может есть какие то параметры, которые устанавливаются при чтении файла или может есть другая библиотека, которая способна это делать?

Answer 1

[Taulan Khatuaev]

import docx

def get_paragraph_number(paragraph):
    """ Функция для определения номера абзаца, если он существует. """
    numPr = paragraph._element.xpath('.//w:numPr')
    if numPr:
        numId = numPr[0].xpath('.//w:numId')[0].get('{http://schemas.openxmlformats.org/wordprocessingml/2006/main}val')
        lvl = numPr[0].xpath('.//w:ilvl')[0].get('{http://schemas.openxmlformats.org/wordprocessingml/2006/main}val')
        return f"{numId}.{lvl}"
    else:
        return "Нет нумерации"

# Загрузка документа
doc = docx.Document("C:/Users/Сhange_contract_14.docx")

for paragraph in doc.paragraphs:
    number = get_paragraph_number(paragraph)
    print(f"{number}: {paragraph.text}")