我尝试了类似的方法，但用于多语言。

首先，您必须观察标题（1，2，3...）和副标题（2.1，2.2...），并尝试提取一些常见的东西。它们可能具有以下一些独特的模式：

1. 粗体文本
2. 字体、大小
3. 标题以 int（2） 开头，副标题以浮点数 （2.1） 开头
4. 文本之前和数字之后的分隔符（“\t”或“空格”）是什么

观察这些事情并尝试构建模式。通过使用正则表达式，我们可以提取所需的。

这是正则表达式，它将满足您的情况。即使是多语言。

headings = regex.search("\d+\.\t(\p{Lu}+([\s]+)?)+")
subHeadings =regex.search("\d+\.\d+\t\p{Lu}(\p{Ll}+)+")

python正则表达式（re）不向后兼容。所以使用这个[正则表达式][1]，特别是如果你的文本是多语言的。

import regex
from docx import Document
doc = Document("<<Your doc file name here>>")

# Iterate through paragraphs ( in a word everything is a paragraph)
# Even the blank lines are paragraphs
for index, para in enumerate(doc.paragraphs):

# Skipping the blank paragraphs
    if(para.text):
        headings = regex.search("\d+\.\t(\p{Lu}+([\s]+)?)+",para.text,regex.UNICODE)
        subHeadings = regex.search("\d+\.\d+\t\p{Lu}(\p{Ll}+)+",para.text,regex.UNICODE)
        if headings:
            if para.runs:
                for run in para.runs:
                    # At run level checking for bold or italic.
                    if run.bold:
                        print("Bold Heading :",headings.group(0))
                    if run.italic:
                        print("Italic Heading :",headings.group(0))
          if subHeadings :
            if para.runs:
                for run in para.runs:
                    # At run level checking for bold or italic.
                    if run.bold:
                        print("Bold subHeadings :",subHeadings .group(0))
                    if run.italic:
                        print("Italic subHeadings :",subHeadings .group(0))

注意：粗体或斜体在运行级别并不总是存在。如果您没有获得这些参数，则应检查样式和段落级别。