简介管理学概论期末复习重点是一份面向高校经管类学生及期末备考者的浓缩复习资料聚焦管理学核心概念与高频考点适合考前快速回顾和知识体系搭建。文档采用 docx 格式整个压缩包仅含1个文件大小约32KB便于直接打开、打印或导入笔记工具使用。已有92人学习/下载对时间有限、想要精准突击的考生较有参考价值。内容系统梳理了管理概念与职能、管理者技能、管理效率与有效性并展开泰罗科学管理、法约尔十四条原则、霍桑实验结论、马斯洛需要层次理论、社会系统学派、决策理论、权变理论、组织任务与行业环境、计划目的与制定因素等板块同时标注了名词解释、单项选择、简答和论述等考试题型每个知识点附有简要解读与记忆线索可帮助快速抓住期末复习重点。1. 当“管理学概论期末复习重点.docx”成为程序化处理对象期末季里这类文件到处都是老师发下来一份“管理学概论期末复习重点.docx”学生要从中提炼知识点教研组还要基于它生成不同班级、不同题型的复习讲义。表面上它是管理学资料但把它当成一个 OXML 容器来看它和其他任何 .docx 没有本质区别——段落、表格、样式、修订记录全在里面几行 Python 就能完成读取、过滤、排序和重新生成。这篇文章不谈管理学考点只谈如何用 python-docx 把这套流程自动化解析段落与表格按“重点”“掌握”等标记筛选内容统计高频知识点批量生成排版一致的复习文档。适合需要处理课程讲义、培训材料、合同模板或任何批量 Word 文档的工程师。下面的代码和参数都以这个文件名为示例换到其他 .docx 场景同样成立。2. 用 python-docx 读取 .docx段落、表格与样式解析2.1 安装与最小读取流程python-docx 是处理 .docx 最常用的库它不依赖本机安装 Word读写都在内存中完成。安装只需要一条命令pip install python-docx底层依赖 lxml 和 Pillow装完即可导入。最小读取代码长这样from docx import Document doc Document(管理学概论期末复习重点.docx) for i, para in enumerate(doc.paragraphs[:10]): print(i, para.style.name, |, para.text[:50])Document()接受文件路径也接受二进制流适合从接口返回或对象存储里直接读数据。doc.paragraphs返回正文中的所有段落按出现顺序排列。para.style.name给出段落样式名比如“正文”“标题 1”“List Paragraph”很多复习文档的章节层级就藏在样式名里。para.text是去掉格式后的纯文本截断前 50 个字符便于预览。2.1.1 从二进制流读取文件来自接口响应而不是本地路径时直接用路径反而多一步落盘。常见做法是from docx import Document import requests resp requests.get(https://example.com/管理学概论期末复习重点.docx) doc Document(resp.content)Document()直接接受字节内容requests.get的content属性正好满足这个要求。这样文件不用落地适合批量拉取多个复习文档后再统一处理的场景。2.2 段落的三层读取方式与属性识别拿到段落对象后读取层级有三个paragraph.text拿全文paragraph.runs拿带格式的片段列表paragraph._p拿底层 XML 节点。大多数场景用前两层就够。下面这段代码按“重点”做粗筛再逐 run 查看加粗信息from docx import Document doc Document(管理学概论期末复习重点.docx) for para in doc.paragraphs: if 重点 not in para.text: continue run_info [ (run.text, run.bold, run.font.size) for run in para.runs if run.text.strip() ] print(para.style.name, run_info[:3])复习文档里标“重点”的段落通常整体加粗或者用手动设置的红色字体。run.bold可能是None、True或FalseNone表示继承段落或样式的设置直接判断is True会漏掉这类继承情况。:3限制只输出前三个 run避免刷屏。2.2.1 标题层级与大纲结构映射样式名里的“标题 1”“标题 2”可以直接映射到文档大纲结构。很多期末复习资料本身就是从教材目录复制来的章节层级齐全from docx import Document doc Document(管理学概论期末复习重点.docx) for para in doc.paragraphs: name para.style.name if name.startswith(标题) or name.startswith(Heading): level name.split()[-1] print(层级, level, para.text)这样可以把整份文档的骨架抽出来后续做知识点重组时段落可以跟着所属章节迁移。如果样式名带了数字以外的字符比如“标题 1首行缩进”split()[-1]会取到“1首行缩进”这时要用正则re.search(r\d, name)再取数字。2.3 表格与嵌套内容的提取复习文档里除了正文段落还有大量表格名词解释对照表、公式汇总表、真题分值分布表。doc.tables按顺序保存所有表格对象但它只覆盖文档主体区域不包含页眉页脚里的表格。读表格的基础写法from docx import Document doc Document(管理学概论期末复习重点.docx) for table in doc.tables: for row in table.rows: cells [cell.text.strip() for cell in row.cells] print( | .join(cells))row.cells的个数等于该行的列数。但合并单元格时同一个Cell对象可能被多个行列位置引用直接遍历会重复输出。遇到合并单元格较多的表格先看row.cells里是否有同一个底层节点再做去重。2.3.1 合并单元格去重seen set() clean [] for table in doc.tables: for row in table.rows: for cell in row.cells: cell_id id(cell._tc) if cell_id in seen: continue seen.add(cell_id) clean.append(cell.text.strip())id(cell._tc)拿到内部 XML 节点w:tc的对象 id同一个合并单元格共享同一个节点用这个判断比用文本判断可靠——两个不同单元格完全可能内容相同。去重后得到的clean列表就对应表格里真正独立的单元格。2.4 页眉页脚里的补充信息很多复习资料的页眉写着课程名称、版本号页脚有页码域。doc.sections里的header和footer可以访问for section in doc.sections: for para in section.header.paragraphs: print(页眉, para.text)注意页眉内容不会出现在doc.paragraphs里。如果关键信息比如“2026 年修订版”只写在页眉只读正文会漏掉。页脚的页码是域代码para.text可能是空字符串需要单独识别w:fldChar节点不重要的场合直接跳过。提示同一份文档里段落和表格是两套独立序列。若只取doc.tables会丢失表格周围的上下文说明。需要按原始顺序遍历时用doc.element.body.iter()判断子节点类型再分别转成段落或表格对象。3. 从复习文档里自动提炼“重点”关键字过滤与词频统计解析出文本只是第一步真正的需求是自动定位哪些内容值得背。期末复习文档里通常有“重点”“掌握”“熟悉”“了解”这类提示词同时高频出现的名词往往就是核心考点。这一章把两种方式合起来用。3.1 按标记模式筛选段落先定义一组标记词用正则匹配。为什么要用正则而不是直接in判断因为很多文档里写的是“重点”“【掌握】”“重点”带不同的包围符号正则一次就能覆盖import re from docx import Document doc Document(管理学概论期末复习重点.docx) pattern re.compile(r重点|掌握|必考|核心) hit [] for i, para in enumerate(doc.paragraphs): if not para.text.strip(): continue if pattern.search(para.text): hit.append((i, para.style.name, para.text.strip())) print(f命中 {len(hit)} 段) for row in hit[:10]: print(row)pattern.search只判断是否命中不提取具体位置。想定位关键词的前后文改用pattern.finditer拿span。这里的序号i是段落在doc.paragraphs里的索引不是 Word 界面里显示的行号因为分页和文本框内容不计入段落序列。3.1.1 保留命中段落所在章节单纯筛出段落会丢失它属于哪一章。常见做法是先扫描一遍文档记录每个“标题 1”段落出现的位置再把命中的正文段落归到最近的标题下from docx import Document doc Document(管理学概论期末复习重点.docx) sections [] current None for i, para in enumerate(doc.paragraphs): if para.style.name 标题 1: current (i, para.text.strip()) sections.append(current) hit [] for i, para in enumerate(doc.paragraphs): if para.style.name.startswith(标题): continue if 重点 not in para.text and 掌握 not in para.text: continue belong 无章节 for start_idx, title in sections: if i start_idx: belong title else: break hit.append((belong, para.text.strip()))归属逻辑有一个边界新标题出现之前的所有段落都归旧标题所以遇到新标题就更新belong。个别文档的章节标题不是“标题 1”样式而是手动加粗的正文段落这种情况先做样式归一化把加粗且字号明显大于正文的段落视为标题。3.2 用词频统计定位高频知识点“重点”标记不一定可靠有的老师整篇都标重点。这时退回词频统计一段话反复出现的名词通常就是核心概念。使用 jieba 分词处理中文效果比较好import jieba from collections import Counter from docx import Document doc Document(管理学概论期末复习重点.docx) text \n.join(p.text for p in doc.paragraphs if p.text.strip()) stopwords {这个, 就是, 以及, 可以, 进行, 我们, 你们, 一个} words [ w for w in jieba.cut(text) if w.strip() and len(w) 1 and w not in stopwords and not w.isdigit() ] counter Counter(words) for word, count in counter.most_common(20): print(word, count)jieba.cut默认使用精确模式适合文档类文本。len(w) 1过滤单字w.isdigit()排除纯数字。停用词表需要按内容维护管理学文档里优先排除“管理”“企业”“组织”这类文档本身的话题词否则它们会排在前面。管理学术语容易被通用词典切开比如“目标管理”被切成“目标”和“管理”。提前加载自定义词典能改善这一情况import jieba jieba.add_word(目标管理) jieba.add_word(组织架构) jieba.add_word(决策树法)自定义词典内容可以从课程大纲里提比从正文反推容易维护。加完后再次分词复合概念会作为一个完整词条参与统计。3.3 权重计算与排序参数说明纯词频的问题在于出现次数多不代表它是本轮考试的重点“管理”这种泛词频率最高但参考价值低。我一般会做加权排序权重项分三类权重项取值逻辑作用出现频次分词后的计数值基础参考标题命中加分词出现在“标题 1”段落时 3把章节级概念抬上来标记词加分所在段落含“重点/掌握”时 2强化老师明确点名的词from collections import Counter import jieba from docx import Document def weight_score(word, count, in_title, in_marked): score count if in_title: score 3 if in_marked: score 2 return score doc Document(管理学概论期末复习重点.docx) title_text .join(p.text for p in doc.paragraphs if p.style.name 标题 1) marked_text .join( p.text for p in doc.paragraphs if (重点 in p.text or 掌握 in p.text) ) all_text \n.join(p.text for p in doc.paragraphs) titles set(w for w in jieba.cut(title_text) if len(w) 1) marked set(w for w in jieba.cut(marked_text) if len(w) 1) base Counter(w for w in jieba.cut(all_text) if len(w) 1) scored {} for word, count in base.items(): scored[word] weight_score(word, count, word in titles, word in marked) for word, score in sorted(scored.items(), keylambda x: x[1], reverseTrue)[:20]: print(word, score)weight_score把标题命中和标记词命中作为额外加分项。加分多少要根据文档长度调文档只有 20 页时3 足以把标题词顶到前面文档 200 页时标题词出现频率本身很高加分占比变小需要把标题分加到 10 以上。先跑一版看排序结果再调参数比套固定公式可靠。4. 批量生成复习文档用 Python 写 .docx 的完整流程提炼出的高频知识点和重点段落最后要整理成一份新的复习文档。这章写生成侧覆盖创建、样式设置、内容填充和批量合并。4.1 创建文档与设置全局样式新建文档用Document()它默认带一个空段落和一个 Normal 样式。先调整全局字体、行距再开始塞内容from docx import Document from docx.shared import Pt, Cm from docx.enum.text import WD_LINE_SPACING doc Document() style doc.styles[Normal] font style.font font.name 微软雅黑 font.size Pt(10.5) pf style.paragraph_format pf.line_spacing_rule WD_LINE_SPACING.MULTIPLE pf.line_spacing 1.3 pf.space_after Pt(6) for section in doc.sections: section.top_margin Cm(2.5) section.bottom_margin Cm(2.5)doc.styles[Normal]是所有正文段落的基础样式。把行距设为 1.3 倍、段后间距 6 磅复习文档看起来不挤。for section in doc.sections是为了同时处理每一节新建文档默认只有一节但用模板复制时可能有多节页边距需要统一处理。中文字体这里有个坑font.name 微软雅黑只设置西文字体中文字体还要单独设置 eastAsia 属性否则在装有 Word 的机器上打开中文可能回退成宋体from docx.oxml.ns import qn rpr style.element.get_or_add_rPr() rfonts rpr.get_or_add_rFonts() rfonts.set(qn(w:eastAsia), 微软雅黑)这段操作的是样式 XML 节点。get_or_add_rPr保证属性容器存在rfonts.set(qn(w:eastAsia), ...)把中文字体名写进 XML。保存后用 WPS 和 Word 分别打开中文显示会保持一致。4.2 用模板变量批量填充章节生成复习文档最常见的需求先写好一份骨架里面留占位符再用运行结果替换。占位符建议用{{ 章节名 }}这种双大括号格式避免和正文里的花括号冲突from docx import Document def render_template(template_path, output_path, context): doc Document(template_path) for para in doc.paragraphs: for key, value in context.items(): if key not in para.text: continue for run in para.runs: if key in run.text: run.text run.text.replace(key, value) doc.save(output_path) render_template( 复习讲义模板.docx, 管理学第二章课后复习.docx, { {{ 章节名称 }}: 管理的计划职能, {{ 高频考点数 }}: 12, {{ 命题概率 }}: 高, } )context字典的键是占位符原文值是实际内容。这里做了两层判断段落级判断先缩小范围再进runs做替换。在run.text上直接替换能保留该 run 原有的字体和颜色比整段重写省事。缺点也很明显如果占位符被 Word 自动拆进多个 run比如拼写检查在中间断开了run.text.replace就匹配不到。注意占位符被拆分时先合并这一段的 runs 再整体替换代价是整段格式会被归一化。复习文档的标题段落通常格式简单合并后影响不大。4.3 合并多个 .docx 文件批量分发时经常要把多个章节文档合并成一份总复习资料。常见做法是用 docxcompose而不是手写复制循环pip install docxcomposefrom docxcompose.composer import Composer from docx import Document master Document(总复习.docx) composer Composer(master) for path in [第1章.docx, 第2章.docx, 第3章.docx]: doc Document(path) composer.append(doc) composer.save(总复习_合并版.docx)Composer.append不只是把段落接在后面还会合并每个文档里的样式定义、页眉页脚、脚注编号。手写复制段落经常出现样式冲突或编号重新从 1 开始。master文档建议自带完整的标题样式和页眉合并后各章节的标题层级能直接沿用主文档规范。不想引入额外依赖时还有个粗糙但有效的办法按 4.2 的模板先扩充出一份完整文档再往里追加段落。这种方式适合内容不长、不依赖交叉引用的场景。4.4 插入目录域的 XML 写法python-docx 没有doc.add_toc()方法但目录域可以手工写入 XMLfrom docx.oxml.ns import qn from docx.oxml import OxmlElement def add_toc(doc): para doc.add_paragraph() fldChar OxmlElement(w:fldChar) fldChar.set(qn(w:fldCharType), begin) instrText OxmlElement(w:instrText) instrText.set(qn(xml:space), preserve) instrText.text rTOC \o 1-3 \h \z \u fldChar2 OxmlElement(w:fldChar) fldChar2.set(qn(w:fldCharType), separate) t OxmlElement(w:t) t.text 打开后按 F9 更新目录 fldChar3 OxmlElement(w:fldChar) fldChar3.set(qn(w:fldCharType), end) para._p.append(fldChar) para._p.append(instrText) para._p.append(fldChar2) para._p.append(t) para._p.append(fldChar3) return paraw:fldCharType有 begin、separate、end 三个状态顺序不能乱。instrText里的TOC指令控制目录范围\o 1-3表示收录 1 到 3 级标题\h加超链接\z隐藏页码\u使用大纲级别。生成的文档第一次打开不会自动显示目录Word 会提示更新域按 F9 即可。5. 复习文档生成后的验证与排错三个高频问题最后这章讲生成文档的验收。格式问题不会报错但打开就觉得不对劲只能靠检查脚本兜底。5.1 编号列表丢失python-docx 读取 Word 自动编号列表时para.text通常只显示条目文字前面的“1.”“2.”由numPr引用全局 numId 控制不会写进文本里。生成新文档时只复制para.text编号会全部丢失。检查方法很简单from docx import Document doc Document(异常编号的复习文档.docx) numbered [] for i, para in enumerate(doc.paragraphs): if w:numPr in para._p.xml: numbered.append(i) print(含自动编号的段落索引, numbered[:10])修复方式在模板文件里预先建一个带编号的列表样式生成时对需要编号的段落设置para.style doc.styles[List Number]把编号逻辑交给 Word而不是手动往文本里写“1.”。5.2 表格跨页与表头不重复复习文档里表格占比高合并或生成后经常出现表格行跑到下一页、翻页后不知道每列含义的情况。需要设置表头行跨页重复from docx import Document from docx.oxml.ns import qn doc Document(管理学概论期末复习重点.docx) for table in doc.tables: first_row table.rows[0] tr_pr first_row._tr.get_or_add_trPr() tr_pr.set(qn(w:tblHeader), true)w:tblHeader会让该行在表格跨页时重复出现在每一页顶部适合首行是字段名的情况。这里直接操作row._tr因为 python-docx 没有公开的表格标题行 API。设置后用 LibreOffice 转一次 PDF 目检分页效果最直观libreoffice --headless --convert-to pdf 总复习_合并版.docx --outdir ./pdf5.3 生成结果的结构校验最后做一遍自动化校验检查章节数、占位符残留、正文篇幅和表格完整性from docx import Document def verify(path, expected_sections): doc Document(path) sections [ p.text for p in doc.paragraphs if p.style.name 标题 1 ] assert len(sections) expected_sections, f章节数不对{len(sections)} full_text \n.join(p.text for p in doc.paragraphs) assert {{ not in full_text, 存在未替换占位符 assert len(full_text) 2000, 正文过短疑似生成中断 for table in doc.tables: assert table.columns, 存在空表格 print(校验通过, path) verify(总复习_合并版.docx, 8)verify把四类问题一次性检查完章节数量是否符合预期、有没有漏替换的占位符、整体篇幅是否正常、表格是否为空。assert触发即抛异常方便接入 CI。把这些检查项扩展成verify.py每次生成后跑一遍能批量发现不合格的复习文档省下大量人工打开检查的时间。本文还有配套的精品资源点击获取 Python实战：用python-docx自动化处理Word文档，解析与生成全攻略
简介管理学概论期末复习重点是一份面向高校经管类学生及期末备考者的浓缩复习资料聚焦管理学核心概念与高频考点适合考前快速回顾和知识体系搭建。文档采用 docx 格式整个压缩包仅含1个文件大小约32KB便于直接打开、打印或导入笔记工具使用。已有92人学习/下载对时间有限、想要精准突击的考生较有参考价值。内容系统梳理了管理概念与职能、管理者技能、管理效率与有效性并展开泰罗科学管理、法约尔十四条原则、霍桑实验结论、马斯洛需要层次理论、社会系统学派、决策理论、权变理论、组织任务与行业环境、计划目的与制定因素等板块同时标注了名词解释、单项选择、简答和论述等考试题型每个知识点附有简要解读与记忆线索可帮助快速抓住期末复习重点。1. 当“管理学概论期末复习重点.docx”成为程序化处理对象期末季里这类文件到处都是老师发下来一份“管理学概论期末复习重点.docx”学生要从中提炼知识点教研组还要基于它生成不同班级、不同题型的复习讲义。表面上它是管理学资料但把它当成一个 OXML 容器来看它和其他任何 .docx 没有本质区别——段落、表格、样式、修订记录全在里面几行 Python 就能完成读取、过滤、排序和重新生成。这篇文章不谈管理学考点只谈如何用 python-docx 把这套流程自动化解析段落与表格按“重点”“掌握”等标记筛选内容统计高频知识点批量生成排版一致的复习文档。适合需要处理课程讲义、培训材料、合同模板或任何批量 Word 文档的工程师。下面的代码和参数都以这个文件名为示例换到其他 .docx 场景同样成立。2. 用 python-docx 读取 .docx段落、表格与样式解析2.1 安装与最小读取流程python-docx 是处理 .docx 最常用的库它不依赖本机安装 Word读写都在内存中完成。安装只需要一条命令pip install python-docx底层依赖 lxml 和 Pillow装完即可导入。最小读取代码长这样from docx import Document doc Document(管理学概论期末复习重点.docx) for i, para in enumerate(doc.paragraphs[:10]): print(i, para.style.name, |, para.text[:50])Document()接受文件路径也接受二进制流适合从接口返回或对象存储里直接读数据。doc.paragraphs返回正文中的所有段落按出现顺序排列。para.style.name给出段落样式名比如“正文”“标题 1”“List Paragraph”很多复习文档的章节层级就藏在样式名里。para.text是去掉格式后的纯文本截断前 50 个字符便于预览。2.1.1 从二进制流读取文件来自接口响应而不是本地路径时直接用路径反而多一步落盘。常见做法是from docx import Document import requests resp requests.get(https://example.com/管理学概论期末复习重点.docx) doc Document(resp.content)Document()直接接受字节内容requests.get的content属性正好满足这个要求。这样文件不用落地适合批量拉取多个复习文档后再统一处理的场景。2.2 段落的三层读取方式与属性识别拿到段落对象后读取层级有三个paragraph.text拿全文paragraph.runs拿带格式的片段列表paragraph._p拿底层 XML 节点。大多数场景用前两层就够。下面这段代码按“重点”做粗筛再逐 run 查看加粗信息from docx import Document doc Document(管理学概论期末复习重点.docx) for para in doc.paragraphs: if 重点 not in para.text: continue run_info [ (run.text, run.bold, run.font.size) for run in para.runs if run.text.strip() ] print(para.style.name, run_info[:3])复习文档里标“重点”的段落通常整体加粗或者用手动设置的红色字体。run.bold可能是None、True或FalseNone表示继承段落或样式的设置直接判断is True会漏掉这类继承情况。:3限制只输出前三个 run避免刷屏。2.2.1 标题层级与大纲结构映射样式名里的“标题 1”“标题 2”可以直接映射到文档大纲结构。很多期末复习资料本身就是从教材目录复制来的章节层级齐全from docx import Document doc Document(管理学概论期末复习重点.docx) for para in doc.paragraphs: name para.style.name if name.startswith(标题) or name.startswith(Heading): level name.split()[-1] print(层级, level, para.text)这样可以把整份文档的骨架抽出来后续做知识点重组时段落可以跟着所属章节迁移。如果样式名带了数字以外的字符比如“标题 1首行缩进”split()[-1]会取到“1首行缩进”这时要用正则re.search(r\d, name)再取数字。2.3 表格与嵌套内容的提取复习文档里除了正文段落还有大量表格名词解释对照表、公式汇总表、真题分值分布表。doc.tables按顺序保存所有表格对象但它只覆盖文档主体区域不包含页眉页脚里的表格。读表格的基础写法from docx import Document doc Document(管理学概论期末复习重点.docx) for table in doc.tables: for row in table.rows: cells [cell.text.strip() for cell in row.cells] print( | .join(cells))row.cells的个数等于该行的列数。但合并单元格时同一个Cell对象可能被多个行列位置引用直接遍历会重复输出。遇到合并单元格较多的表格先看row.cells里是否有同一个底层节点再做去重。2.3.1 合并单元格去重seen set() clean [] for table in doc.tables: for row in table.rows: for cell in row.cells: cell_id id(cell._tc) if cell_id in seen: continue seen.add(cell_id) clean.append(cell.text.strip())id(cell._tc)拿到内部 XML 节点w:tc的对象 id同一个合并单元格共享同一个节点用这个判断比用文本判断可靠——两个不同单元格完全可能内容相同。去重后得到的clean列表就对应表格里真正独立的单元格。2.4 页眉页脚里的补充信息很多复习资料的页眉写着课程名称、版本号页脚有页码域。doc.sections里的header和footer可以访问for section in doc.sections: for para in section.header.paragraphs: print(页眉, para.text)注意页眉内容不会出现在doc.paragraphs里。如果关键信息比如“2026 年修订版”只写在页眉只读正文会漏掉。页脚的页码是域代码para.text可能是空字符串需要单独识别w:fldChar节点不重要的场合直接跳过。提示同一份文档里段落和表格是两套独立序列。若只取doc.tables会丢失表格周围的上下文说明。需要按原始顺序遍历时用doc.element.body.iter()判断子节点类型再分别转成段落或表格对象。3. 从复习文档里自动提炼“重点”关键字过滤与词频统计解析出文本只是第一步真正的需求是自动定位哪些内容值得背。期末复习文档里通常有“重点”“掌握”“熟悉”“了解”这类提示词同时高频出现的名词往往就是核心考点。这一章把两种方式合起来用。3.1 按标记模式筛选段落先定义一组标记词用正则匹配。为什么要用正则而不是直接in判断因为很多文档里写的是“重点”“【掌握】”“重点”带不同的包围符号正则一次就能覆盖import re from docx import Document doc Document(管理学概论期末复习重点.docx) pattern re.compile(r重点|掌握|必考|核心) hit [] for i, para in enumerate(doc.paragraphs): if not para.text.strip(): continue if pattern.search(para.text): hit.append((i, para.style.name, para.text.strip())) print(f命中 {len(hit)} 段) for row in hit[:10]: print(row)pattern.search只判断是否命中不提取具体位置。想定位关键词的前后文改用pattern.finditer拿span。这里的序号i是段落在doc.paragraphs里的索引不是 Word 界面里显示的行号因为分页和文本框内容不计入段落序列。3.1.1 保留命中段落所在章节单纯筛出段落会丢失它属于哪一章。常见做法是先扫描一遍文档记录每个“标题 1”段落出现的位置再把命中的正文段落归到最近的标题下from docx import Document doc Document(管理学概论期末复习重点.docx) sections [] current None for i, para in enumerate(doc.paragraphs): if para.style.name 标题 1: current (i, para.text.strip()) sections.append(current) hit [] for i, para in enumerate(doc.paragraphs): if para.style.name.startswith(标题): continue if 重点 not in para.text and 掌握 not in para.text: continue belong 无章节 for start_idx, title in sections: if i start_idx: belong title else: break hit.append((belong, para.text.strip()))归属逻辑有一个边界新标题出现之前的所有段落都归旧标题所以遇到新标题就更新belong。个别文档的章节标题不是“标题 1”样式而是手动加粗的正文段落这种情况先做样式归一化把加粗且字号明显大于正文的段落视为标题。3.2 用词频统计定位高频知识点“重点”标记不一定可靠有的老师整篇都标重点。这时退回词频统计一段话反复出现的名词通常就是核心概念。使用 jieba 分词处理中文效果比较好import jieba from collections import Counter from docx import Document doc Document(管理学概论期末复习重点.docx) text \n.join(p.text for p in doc.paragraphs if p.text.strip()) stopwords {这个, 就是, 以及, 可以, 进行, 我们, 你们, 一个} words [ w for w in jieba.cut(text) if w.strip() and len(w) 1 and w not in stopwords and not w.isdigit() ] counter Counter(words) for word, count in counter.most_common(20): print(word, count)jieba.cut默认使用精确模式适合文档类文本。len(w) 1过滤单字w.isdigit()排除纯数字。停用词表需要按内容维护管理学文档里优先排除“管理”“企业”“组织”这类文档本身的话题词否则它们会排在前面。管理学术语容易被通用词典切开比如“目标管理”被切成“目标”和“管理”。提前加载自定义词典能改善这一情况import jieba jieba.add_word(目标管理) jieba.add_word(组织架构) jieba.add_word(决策树法)自定义词典内容可以从课程大纲里提比从正文反推容易维护。加完后再次分词复合概念会作为一个完整词条参与统计。3.3 权重计算与排序参数说明纯词频的问题在于出现次数多不代表它是本轮考试的重点“管理”这种泛词频率最高但参考价值低。我一般会做加权排序权重项分三类权重项取值逻辑作用出现频次分词后的计数值基础参考标题命中加分词出现在“标题 1”段落时 3把章节级概念抬上来标记词加分所在段落含“重点/掌握”时 2强化老师明确点名的词from collections import Counter import jieba from docx import Document def weight_score(word, count, in_title, in_marked): score count if in_title: score 3 if in_marked: score 2 return score doc Document(管理学概论期末复习重点.docx) title_text .join(p.text for p in doc.paragraphs if p.style.name 标题 1) marked_text .join( p.text for p in doc.paragraphs if (重点 in p.text or 掌握 in p.text) ) all_text \n.join(p.text for p in doc.paragraphs) titles set(w for w in jieba.cut(title_text) if len(w) 1) marked set(w for w in jieba.cut(marked_text) if len(w) 1) base Counter(w for w in jieba.cut(all_text) if len(w) 1) scored {} for word, count in base.items(): scored[word] weight_score(word, count, word in titles, word in marked) for word, score in sorted(scored.items(), keylambda x: x[1], reverseTrue)[:20]: print(word, score)weight_score把标题命中和标记词命中作为额外加分项。加分多少要根据文档长度调文档只有 20 页时3 足以把标题词顶到前面文档 200 页时标题词出现频率本身很高加分占比变小需要把标题分加到 10 以上。先跑一版看排序结果再调参数比套固定公式可靠。4. 批量生成复习文档用 Python 写 .docx 的完整流程提炼出的高频知识点和重点段落最后要整理成一份新的复习文档。这章写生成侧覆盖创建、样式设置、内容填充和批量合并。4.1 创建文档与设置全局样式新建文档用Document()它默认带一个空段落和一个 Normal 样式。先调整全局字体、行距再开始塞内容from docx import Document from docx.shared import Pt, Cm from docx.enum.text import WD_LINE_SPACING doc Document() style doc.styles[Normal] font style.font font.name 微软雅黑 font.size Pt(10.5) pf style.paragraph_format pf.line_spacing_rule WD_LINE_SPACING.MULTIPLE pf.line_spacing 1.3 pf.space_after Pt(6) for section in doc.sections: section.top_margin Cm(2.5) section.bottom_margin Cm(2.5)doc.styles[Normal]是所有正文段落的基础样式。把行距设为 1.3 倍、段后间距 6 磅复习文档看起来不挤。for section in doc.sections是为了同时处理每一节新建文档默认只有一节但用模板复制时可能有多节页边距需要统一处理。中文字体这里有个坑font.name 微软雅黑只设置西文字体中文字体还要单独设置 eastAsia 属性否则在装有 Word 的机器上打开中文可能回退成宋体from docx.oxml.ns import qn rpr style.element.get_or_add_rPr() rfonts rpr.get_or_add_rFonts() rfonts.set(qn(w:eastAsia), 微软雅黑)这段操作的是样式 XML 节点。get_or_add_rPr保证属性容器存在rfonts.set(qn(w:eastAsia), ...)把中文字体名写进 XML。保存后用 WPS 和 Word 分别打开中文显示会保持一致。4.2 用模板变量批量填充章节生成复习文档最常见的需求先写好一份骨架里面留占位符再用运行结果替换。占位符建议用{{ 章节名 }}这种双大括号格式避免和正文里的花括号冲突from docx import Document def render_template(template_path, output_path, context): doc Document(template_path) for para in doc.paragraphs: for key, value in context.items(): if key not in para.text: continue for run in para.runs: if key in run.text: run.text run.text.replace(key, value) doc.save(output_path) render_template( 复习讲义模板.docx, 管理学第二章课后复习.docx, { {{ 章节名称 }}: 管理的计划职能, {{ 高频考点数 }}: 12, {{ 命题概率 }}: 高, } )context字典的键是占位符原文值是实际内容。这里做了两层判断段落级判断先缩小范围再进runs做替换。在run.text上直接替换能保留该 run 原有的字体和颜色比整段重写省事。缺点也很明显如果占位符被 Word 自动拆进多个 run比如拼写检查在中间断开了run.text.replace就匹配不到。注意占位符被拆分时先合并这一段的 runs 再整体替换代价是整段格式会被归一化。复习文档的标题段落通常格式简单合并后影响不大。4.3 合并多个 .docx 文件批量分发时经常要把多个章节文档合并成一份总复习资料。常见做法是用 docxcompose而不是手写复制循环pip install docxcomposefrom docxcompose.composer import Composer from docx import Document master Document(总复习.docx) composer Composer(master) for path in [第1章.docx, 第2章.docx, 第3章.docx]: doc Document(path) composer.append(doc) composer.save(总复习_合并版.docx)Composer.append不只是把段落接在后面还会合并每个文档里的样式定义、页眉页脚、脚注编号。手写复制段落经常出现样式冲突或编号重新从 1 开始。master文档建议自带完整的标题样式和页眉合并后各章节的标题层级能直接沿用主文档规范。不想引入额外依赖时还有个粗糙但有效的办法按 4.2 的模板先扩充出一份完整文档再往里追加段落。这种方式适合内容不长、不依赖交叉引用的场景。4.4 插入目录域的 XML 写法python-docx 没有doc.add_toc()方法但目录域可以手工写入 XMLfrom docx.oxml.ns import qn from docx.oxml import OxmlElement def add_toc(doc): para doc.add_paragraph() fldChar OxmlElement(w:fldChar) fldChar.set(qn(w:fldCharType), begin) instrText OxmlElement(w:instrText) instrText.set(qn(xml:space), preserve) instrText.text rTOC \o 1-3 \h \z \u fldChar2 OxmlElement(w:fldChar) fldChar2.set(qn(w:fldCharType), separate) t OxmlElement(w:t) t.text 打开后按 F9 更新目录 fldChar3 OxmlElement(w:fldChar) fldChar3.set(qn(w:fldCharType), end) para._p.append(fldChar) para._p.append(instrText) para._p.append(fldChar2) para._p.append(t) para._p.append(fldChar3) return paraw:fldCharType有 begin、separate、end 三个状态顺序不能乱。instrText里的TOC指令控制目录范围\o 1-3表示收录 1 到 3 级标题\h加超链接\z隐藏页码\u使用大纲级别。生成的文档第一次打开不会自动显示目录Word 会提示更新域按 F9 即可。5. 复习文档生成后的验证与排错三个高频问题最后这章讲生成文档的验收。格式问题不会报错但打开就觉得不对劲只能靠检查脚本兜底。5.1 编号列表丢失python-docx 读取 Word 自动编号列表时para.text通常只显示条目文字前面的“1.”“2.”由numPr引用全局 numId 控制不会写进文本里。生成新文档时只复制para.text编号会全部丢失。检查方法很简单from docx import Document doc Document(异常编号的复习文档.docx) numbered [] for i, para in enumerate(doc.paragraphs): if w:numPr in para._p.xml: numbered.append(i) print(含自动编号的段落索引, numbered[:10])修复方式在模板文件里预先建一个带编号的列表样式生成时对需要编号的段落设置para.style doc.styles[List Number]把编号逻辑交给 Word而不是手动往文本里写“1.”。5.2 表格跨页与表头不重复复习文档里表格占比高合并或生成后经常出现表格行跑到下一页、翻页后不知道每列含义的情况。需要设置表头行跨页重复from docx import Document from docx.oxml.ns import qn doc Document(管理学概论期末复习重点.docx) for table in doc.tables: first_row table.rows[0] tr_pr first_row._tr.get_or_add_trPr() tr_pr.set(qn(w:tblHeader), true)w:tblHeader会让该行在表格跨页时重复出现在每一页顶部适合首行是字段名的情况。这里直接操作row._tr因为 python-docx 没有公开的表格标题行 API。设置后用 LibreOffice 转一次 PDF 目检分页效果最直观libreoffice --headless --convert-to pdf 总复习_合并版.docx --outdir ./pdf5.3 生成结果的结构校验最后做一遍自动化校验检查章节数、占位符残留、正文篇幅和表格完整性from docx import Document def verify(path, expected_sections): doc Document(path) sections [ p.text for p in doc.paragraphs if p.style.name 标题 1 ] assert len(sections) expected_sections, f章节数不对{len(sections)} full_text \n.join(p.text for p in doc.paragraphs) assert {{ not in full_text, 存在未替换占位符 assert len(full_text) 2000, 正文过短疑似生成中断 for table in doc.tables: assert table.columns, 存在空表格 print(校验通过, path) verify(总复习_合并版.docx, 8)verify把四类问题一次性检查完章节数量是否符合预期、有没有漏替换的占位符、整体篇幅是否正常、表格是否为空。assert触发即抛异常方便接入 CI。把这些检查项扩展成verify.py每次生成后跑一遍能批量发现不合格的复习文档省下大量人工打开检查的时间。本文还有配套的精品资源点击获取