Word目录中自动添加自定义样式的多级标题的方法

简介: Word目录中自动添加自定义样式的多级标题的方法

  本文介绍在Word文档中,生成自动目录时将自定义样式的标题也包括进去的方法。

  对于Word自动目录而言,其在生成时默认无法将自定义样式的标题纳入其中,而只能对标题1标题2Word自带标准分级标题样式生效。如下图所示,我们的小标题用的是顶部左侧红色方框中的一个自定义样式,而不是顶部右侧绿色方框中的标准分级标题样式;因此,自动目录就会提示“未找到目录项”。

  针对这一情况,解决方法也非常简单。首先,我们在“引用”→“目录”中选择“自定义目录…”。

  随后,在弹出的“目录”窗口中,选择“选项…”。

  随后,将弹出“目录选项”窗口。如下图所示,此时可以看到,只有标题1标题2Word自带标准分级标题样式是具有“目录级别”的,而其他自定义样式都不含“目录级别”的数值。

  因此,我们将标题1标题2Word自带标准分级标题样式的“目录级别”去除,并将我们需要添加到目录中的自定义样式的“目录级别”进行添加。

  注意“有效样式”可能比较多,有些样式在列表的下方,需要往下多找找。

  完成设置后,将会弹出如下窗口。我们选择“”,进行目录的替换。

  随后,可以看到我们的自定义样式已经可以在目录中自动出现并更新了。

  至此,大功告成。

欢迎关注:疯狂学习GIS

相关文章
|
消息中间件 Java Kafka
CentOS 7部署Kafka和Kafka集群
CentOS 7部署Kafka和Kafka集群 注意事项 需要启动多个shell脚本交互客户端进行验证,运行中的客户端不要停止。 准备工作: 安装java并设置java环境变量,在`/etc/profile`中加入 export JAVA_HOME=/usr/java/jdk1.
3739 0
|
7月前
|
机器学习/深度学习 数据采集 并行计算
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
830 2
|
数据采集 API 数据格式
Python 原生爬虫教程:京东商品详情页面数据API
本文介绍京东商品详情API在电商领域的应用价值及功能。该API通过商品ID获取详细信息,如基本信息、价格、库存、描述和用户评价等,支持HTTP请求(GET/POST),返回JSON或XML格式数据。对于商家优化策略、开发者构建应用(如比价网站)以及消费者快速了解商品均有重要意义。研究此API有助于推动电商业务创新与发展。
|
存储 编解码 资源调度
鸿蒙相机开发实战:从设备适配到性能调优 —— 我的 ArkTS 录像功能落地手记(API 15)
本文分享鸿蒙相机开发经验,从环境准备到核心逻辑实现,涵盖权限声明、模块导入、Surface关联与分辨率匹配,再到录制控制及设备适配法则。通过实战案例解析,如旋转补偿、动态帧率调节和编解码优化,帮助开发者掌握功能实现、设备适配与体验设计三大要点,减少开发坑点。适合鸿蒙新手及希望深化硬件交互能力的工程师参考收藏。
569 2
|
Java Maven Android开发
eclipse搭建springboot项目
本文介绍了如何使用Spring Initializr官网生成Spring Boot项目并用Eclipse打开和运行该项目,包括配置项目信息、添加依赖、下载依赖以及启动项目的步骤。
1003 1
|
Web App开发 缓存 监控
测开必备,推荐几款前端性能测试工具、神器
今天,就给大家介绍几款前端性能测试分析工具,结合性能测试工具,实现通过量化的方式测试网站中诸如首字节加载时间(time to first byte)或者渲染时间等表现。其中有些工具还会检查资源是否被缓存,多个 CSS 或 JS 文件是否值得合并,最后自动给出前端性能优化改进建议报告。
3885 0
测开必备,推荐几款前端性能测试工具、神器
|
机器学习/深度学习 算法 数据挖掘
基于PSO优化的CNN-GRU-Attention的时间序列回归预测matlab仿真
摘要: 本文介绍了运用粒子群优化(PSO)调整深度学习模型超参数以提升时间序列预测性能的方法。在比较了优化前后的效果(Ttttttttttt12 vs Ttttttttttt34)后,阐述了使用matlab2022a软件的算法。文章详细讨论了CNN、GRU网络和注意力机制在时间序列预测中的作用,以及PSO如何优化这些模型的超参数。核心程序展示了PSO的迭代过程,通过限制和调整粒子的位置(x1)和速度(v1),寻找最佳解决方案(gbest1)。最终,结果保存在R2.mat文件中。
基于PSO优化的CNN-GRU-Attention的时间序列回归预测matlab仿真
|
SQL 测试技术 数据库
Flask与SQLAlchemy的神秘力量:如何让你的数据库飞起来?
【8月更文挑战第31天】在现代Web开发中,Flask和SQLAlchemy是热门技术栈,前者是轻量级Web框架,后者为强大的ORM库。本文介绍如何在Flask项目中集成SQLAlchemy,通过示例展示数据库操作方法,并分享最佳实践,如熟悉ORM、编写测试及适度使用SQL语句,以提升开发效率和代码质量。
701 0
|
SQL API 调度
Springboot2.4.5集成Quartz实现动态任务数据持久化-不怕重启服务
Springboot2.4.5集成Quartz实现动态任务数据持久化-不怕重启服务
1481 0
|
存储 数据可视化 数据挖掘
python读取CSV文件并生成折线图
python读取CSV文件并生成折线图
770 0

热门文章

最新文章

下一篇
开通oss服务