Docx 大纲等级目录提取

提取原理

OOXML（.docx）中，段落的"大纲等级"有两个来源，优先级从高到低：

1. 段落直接设置 — <w:pPr><w:outlineLvl w:val="0"/>（段落属性直接指定）
2. 样式继承 — 段落引用样式 <w:pPr><w:pStyle w:val="1"/>，该样式在 styles.xml 中定义了 <w:outlineLvl>

OutlineLvl 取值：0=最高级(类似Heading1)，1=二级，... 8=九级。

执行步骤

第1步：确认目标文件

向用户确认要分析的 .docx 文件路径。如果用户只说"当前文件夹"，则列出当前目录中的 .docx 文件让用户选择。

第2步：运行提取脚本

使用 scripts/extract_outline.py 脚本：

python <skill-base>/scripts/extract_outline.py <docx文件路径> [--output <输出txt路径>]

参数说明：

• 第一个参数（必需）：docx 文件路径
• --output（可选）：输出 txt 路径，默认与 docx 同目录、同文件名 + _大纲目录.txt

脚本自动完成：

1. 解析 styles.xml，建立 styleId → outlineLvl 映射表
2. 遍历 document.xml 所有段落，优先取段落直接 outlineLvl，其次取样式继承
3. 按大纲等级缩进输出，0级顶格，每级增加2空格缩进
4. 统计各级别段落数量，附在末尾

第3步：向用户汇报

输出：

• 每个文档的样式→大纲等级映射表
• 各文档有 outlineLvl 的段落总数
• 输出文件路径

输出格式示例

======================================================================
  文档大纲等级目录
  文件：xxx.docx
  日期：2026-05-27
======================================================================

[L0] 施工经验                                   ← 样式ID=1 → outlineLvl=0
  [L1] 第一节 总体施工部署                       ← 样式ID=2 → outlineLvl=1
    [L2] 1.总体思想                              ← 样式ID=3 → outlineLvl=2
    [L2] 2.施工部署的原则
  [L1] 第二节 测量方案
    [L2] ...

────────────────────────────────────────────────────────
  统计：L0=2段  L1=18段  L2=38段  合计=58段
======================================================================

常见情况

| 情况 | 处理方式 | |------|---------| | styles.xml 中样式无 outlineLvl | 该样式段落视为普通正文，不输出 | | 段落既无直接 outlineLvl 也无样式 | 跳过（普通正文） | | 段落直接 outlineLvl 与样式不同 | 以段落直接值为准 |

注意事项

• 不需要 pandoc、python-docx 等第三方库
• 纯 Python 标准库：zipfile + xml.etree.ElementTree
• 编码：输入和输出均为 UTF-8

---

关于

• 品牌: Boo哥AI智写
• 联系方式: QQ邮箱 409966830@qq.com
• 座右铭: 智写万象，标定未来