• 【办公类-21-04】20240227单个word按“段落数”拆分多个Word（三级育婴师操作参考题目 有段落文字和表格 1拆13份）

    作品展示

    背景需求：

    最近学育婴师，老师发了一套doc操作参考

    但是老师是一节节授课的，每节都有视频，如果做在一个文档里，会很长很长，容易找不到。所以我需要里面的单独文字的docx。

    以前的方法是

    1、打开源文件，保留第1题，删除2-13题，再另存题目1，

    2、再恢复原始状态，保留第2题，删除第1题、第3-13题，在另存题目2

    ……

    之前试过把多个word合并成1个word，

    【办公类-21-01】20240117育婴师操作题word合并1.0-CSDN博客文章浏览阅读912次，点赞15次，收藏10次。【办公类-21-01】20240117育婴师操作题word合并1.0https://blog.csdn.net/reasonsummer/article/details/135651389?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22135651389%22%2C%22source%22%3A%22reasonsummer%22%7D

    现在想试试能不能把1个word拆分成多个word

    解题思路：

    一、另存为docx文件

    二、去除word里面的空行回车

    1. from docx import Document
    2. from openpyxl import load_workbook
    3. import glob
    4. import re
    5.  
    6. #  将模板 Excel 读取进程序：
    7. path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
    8. file=path + r'\育婴师三级教育操作参考.docx'  # 必须是docx
    9. print(file)
    10. # C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\育婴师三级教育操作参考2.docx
    11.  
    12.  
    13.  # 提取四个加粗标题所在的行数    # 参考https://www.shouxicto.com/article/96876.html
    14. doc= Document(file)
    15.  
    16.   
    17. # 遍历每个段落并判断是否为空白行,如果有空白行，就删除
    18. for paragraph in doc.paragraphs:
    19.     if not paragraph.text.strip():
    20.         # 如果是空白行则将其从文档中移除
    21.         p = paragraph._element
    22.         p.getparent().remove(p)     
    23.  
    24.  
    25. doc.save(path + r'\育婴师三级教育操作参考（去掉回车）.docx')

    三、读取word里面“加粗标题”所在的行

    1.  
    2. print('----2、读取word里面标题加粗段落的行数------')
    3.  
    4. filename=path + r'\育婴师三级教育操作参考（去掉回车）.docx'
    5.  
    6.     # 打开Word文档
    7. doc = Document(filename)
    8.  
    9. d=len(doc.paragraphs)
    10. print(d)
    11. # docx没有去掉空行前，一共有258段文字
    12. # docx去掉空行后，一共有244段文字
    13.  
    14.  
    15. h=[]
    16. s=[]
    17. # 遍历文档中的段落
    18. for i, paragraph in enumerate(doc.paragraphs):
    19.     if paragraph.runs:
    20.         # 检查段落中的所有运行对象
    21.         for run in paragraph.runs:
    22.             if run.bold:
    23.                 # 如果运行对象的文字为加粗，则打印段落索引
    24.                 # print("段落", i, "的文字被加粗了")
    25.                 h.append(i)
    26.                 # 提取每一份的加粗标题
    27.                 t=doc.paragraphs[i].text                
    28.                 # print(t)
    29.                 s.append(t)
    30. s=list(set(s))
    31. s.sort()
    32. # print(s)
    33. # ['3.1.1 运用发育诊断法对2岁婴儿的以不同步子行走能力进行测试', '3.1.2 为2岁婴儿编制规范、适宜的个别化游戏活动计划（5分钟）', '3.1.3 设计生活中婴儿动手自理的活动（5分钟）', '3.1.4 六个月以内
    34. # 的婴儿的精细动作的日常练习活动设计（5分钟）', '3.1.5 列举两种感统练习器械，并简述其活动功能（5分钟）', '3.2.1 请阐述对婴儿语言发展水平的观察与记录方法（5分钟）', '3.2.2 如何制定婴幼儿个别化
    35. # 语言培养计划（5分钟）', '3.2.3 设计一份记录表格，观察一个6个月左右的宝宝寻找不同声源的感知练习过程（5分钟）', '3.2.4 设计一个观察表，观察并调整婴儿在视动协调方面的练习（5分钟）', '3.2.5 设 
    36. # 计一个观察表，记录孩子可能发生的行为（5分钟）', '3.3.1 如何对待任性的孩子（5分钟）', '3.3.2 如何对待爱哭的孩子（5
    37. # print(len(s))
    38. # 13
    39.  
    40. h=list(set(h))
    41. h.sort()
    42. j=h[1:]
    43. j.append(d)
    44.  
    45. print(h)
    46. print(len(h))
    47. print(j)
    48. print(len(j))
    49. # # 去掉空行前
    50. # # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
    51. # # 13
    52. # # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
    53. # # 13
    54. # # 去掉空行后
    55. # # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
    56. # # 13
    57. # # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]

    1、提取加粗标题的文字部分，做保存的文件名

    2、提取两个黑体加粗标题之间的行数

    四、word里面有表格，它也占了段落数，但段落里不显示

    直接删除小于23并大于45的段落，生成第2套题目

    1. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    2. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    3. # 13张表格里面分别有几个表格
    4.  
    5. imagePath1=path+r'\育婴师13题拆分'
    6. if not os.path.exists(imagePath1):  # 判断存放图片的文件夹是否存在
    7.     os.makedirs(imagePath1)  # 若图片文件夹不存在就创建
    8.  
    9.  
    10.  
    11. # for  x in range(len(s)):
    12.     # 获取第一页的段落和表格
    13. # a=int(j[x]+o[x])
    14. for x in range(len(s)):
    15.     doc = Document(filename)
    16.     first_page_paragraphs = []
    17.     first_page_tables = []
    18.     for element in doc.element.body:
    19.         if element.tag.endswith(('}p', '}tbl')):
    20.             
    21.             if element.getparent().index(element) >int(j[x]) :
    22.                 if element.tag.endswith('p'):
    23.                     first_page_paragraphs.append(element)
    24.                 else:
    25.                     first_page_tables.append(element)
    26.             if element.getparent().index(element)<int(h[x]):
    27.                 if element.tag.endswith('p'):
    28.                     first_page_paragraphs.append(element)
    29.                 else:
    30.                     first_page_tables.append(element)
    31.         # print(int(j[x]+o[x]))
    32.         # print(int(h[x]+o[x]))
    33.         
    34.  
    35.     # 删除第一页的段落和表格
    36.     for paragraph in first_page_paragraphs:
    37.         p = paragraph.getparent()
    38.         p.remove(paragraph)
    39.         
    40.  
    41.     for table in first_page_tables:
    42.         t = table.getparent()
    43.         t.remove(table)
    44.  
    45.     # # 保存修改后的文档为新文件
    46.     # doc.save(path+r'01.docx')
    47.     doc.save(imagePath1+r'\{} {}.docx'.format('%02d'%x,s[x]))

    结果第2份前面多了2行，后面少了2行。

    分析后认为，可能导致错行的原因是每份操作题内有“表格”。

    第1份题目里面有2个表格，也占了2行，虽然表格被删除了，但是段落占位没有删除，导致第2份题目表格出现正好2行的的错位。

    计算每份题中表格的数量 2、1、0、1、1、1、1、1、1、1、1、0、0、0

    1. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    2. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    3. # 13张表格里面分别有几个表格
    4.  
    5. bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
    6.  
    7. # 第一张表是原来的段落数，所以就是0
    8. bg.insert(0,0)
    9. # print(bg)
    10.  
    11. # 数字累加
    12. o = []
    13. sum = 0
    14. for num in bg:
    15.     sum += num
    16.     o.append(sum)
    17. print(o)
    18. # [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
    19. # # # 没有空行的内容

            确保第2份开始的段落数+累计的表格数

    结果正确

    全部代码

    1. # https://blog.csdn.net/lau_jw/article/details/114383781
    2.  
    3. '''
    4. 目的：育婴师word题目拆分成多个表格（根据标题(加粗）所在行数拆分）
    5. 作者：阿夏
    6. 时间：2024年2月27日
    7. '''
    8.  
    9. from docx import Document
    10. from openpyxl import load_workbook
    11. import glob
    12. import re,os
    13.  
    14. print('----1、word数据清洗------')
    15.  
    16.  
    17. path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
    18. file=path + r'\育婴师三级教育操作参考.docx'  # 必须是docx
    19. print(file)
    20. # C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\育婴师三级教育操作参考2.docx
    21.  
    22.  
    23.  # 提取四个加粗标题所在的行数    # 参考https://www.shouxicto.com/article/96876.html
    24. doc= Document(file)
    25.   
    26. # 遍历每个段落并判断是否为空白行,如果有空白行，就删除
    27. for paragraph in doc.paragraphs:
    28.     if not paragraph.text.strip():
    29.         # 如果是空白行则将其从文档中移除
    30.         p = paragraph._element
    31.         p.getparent().remove(p)     
    32.  
    33.  
    34. doc.save(path + r'\育婴师三级教育操作参考（去掉回车）.docx')
    35.  
    36.  
    37.  
    38. print('----2、读取word里面标题加粗段落的行数------')
    39.  
    40. filename=path + r'\育婴师三级教育操作参考（去掉回车）.docx'
    41.  
    42.     # 打开Word文档
    43. doc = Document(filename)
    44.  
    45. d=len(doc.paragraphs)
    46. print(d)
    47. # docx没有去掉空行前，一共有258段文字
    48. # docx去掉空行后，一共有244段文字
    49.  
    50.  
    51. h=[]
    52. s=[]
    53. # 遍历文档中的段落
    54. for i, paragraph in enumerate(doc.paragraphs):
    55.     if paragraph.runs:
    56.         # 检查段落中的所有运行对象
    57.         for run in paragraph.runs:
    58.             if run.bold:
    59.                 # 如果运行对象的文字为加粗，则打印段落索引
    60.                 # print("段落", i, "的文字被加粗了")
    61.                 h.append(i)
    62.                 # 提取每一份的加粗标题
    63.                 t=doc.paragraphs[i].text                
    64.                 # print(t)
    65.                 s.append(t)
    66. s=list(set(s))
    67. s.sort()
    68. # print(s)
    69. # ['3.1.1 运用发育诊断法对2岁婴儿的以不同步子行走能力进行测试', '3.1.2 为2岁婴儿编制规范、适宜的个别化游戏活动计划（5分钟）', '3.1.3 设计生活中婴儿动手自理的活动（5分钟）', '3.1.4 六个月以内
    70. # 的婴儿的精细动作的日常练习活动设计（5分钟）', '3.1.5 列举两种感统练习器械，并简述其活动功能（5分钟）', '3.2.1 请阐述对婴儿语言发展水平的观察与记录方法（5分钟）', '3.2.2 如何制定婴幼儿个别化
    71. # 语言培养计划（5分钟）', '3.2.3 设计一份记录表格，观察一个6个月左右的宝宝寻找不同声源的感知练习过程（5分钟）', '3.2.4 设计一个观察表，观察并调整婴儿在视动协调方面的练习（5分钟）', '3.2.5 设 
    72. # 计一个观察表，记录孩子可能发生的行为（5分钟）', '3.3.1 如何对待任性的孩子（5分钟）', '3.3.2 如何对待爱哭的孩子（5
    73. # print(len(s))
    74. # 13
    75.  
    76. h=list(set(h))
    77. h.sort()
    78. j=h[1:]
    79. j.append(d)
    80.  
    81. print(h)
    82. print(len(h))
    83. print(j)
    84. print(len(j))
    85. # # 去掉空行前
    86. # # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
    87. # # 13
    88. # # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
    89. # # 13
    90. # # 去掉空行后
    91. # # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
    92. # # 13
    93. # # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]
    94.  
    95.  
    96. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    97. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    98. # 13张表格里面分别有几个表格
    99.  
    100. bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
    101.  
    102. # 第一张表是原来的段落数，所以就是0
    103. bg.insert(0,0)
    104. # print(bg)
    105.  
    106. # 数字累加
    107. o = []
    108. sum = 0
    109. for num in bg:
    110.     sum += num
    111.     o.append(sum)
    112. print(o)
    113. # [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
    114. # # # 没有空行的内容
    115.  
    116.  
    117. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    118. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    119. # 13张表格里面分别有几个表格
    120.  
    121. imagePath1=path+r'\育婴师13题拆分'
    122. if not os.path.exists(imagePath1):  # 判断存放图片的文件夹是否存在
    123.     os.makedirs(imagePath1)  # 若图片文件夹不存在就创建
    124.  
    125.  
    126.  
    127. # for  x in range(len(s)):
    128.     # 获取第一页的段落和表格
    129. # a=int(j[x]+o[x])
    130. for x in range(len(s)):
    131.     doc = Document(filename)
    132.     first_page_paragraphs = []
    133.     first_page_tables = []
    134.     for element in doc.element.body:
    135.         if element.tag.endswith(('}p', '}tbl')):
    136.             
    137.             if element.getparent().index(element) >int(j[x]+o[x]) :
    138.                 if element.tag.endswith('p'):
    139.                     first_page_paragraphs.append(element)
    140.                 else:
    141.                     first_page_tables.append(element)
    142.             if element.getparent().index(element)<int(h[x]+o[x]):
    143.                 if element.tag.endswith('p'):
    144.                     first_page_paragraphs.append(element)
    145.                 else:
    146.                     first_page_tables.append(element)
    147.         # print(int(j[x]+o[x]))
    148.         # print(int(h[x]+o[x]))
    149.         
    150.  
    151.     # 删除第一页的段落和表格
    152.     for paragraph in first_page_paragraphs:
    153.         p = paragraph.getparent()
    154.         p.remove(paragraph)
    155.         
    156.  
    157.     for table in first_page_tables:
    158.         t = table.getparent()
    159.         t.remove(table)
    160.  
    161.     # # 保存修改后的文档为新文件
    162.     # doc.save(path+r'01.docx')
    163.     doc.save(imagePath1+r'\{} {}.docx'.format('%02d'%x,s[x]))
    164.  
    165.  
    166.  
    167.  
    168.  
    169.

    感悟：

    1、删除段落和表格：本篇用删除段落和表格的方式保留需要的段落部分

    后续思考：可以试试复制法——复制25-47的内容，清空文档，再黏贴25-47的内容，另存为。

    2、段落内包含表格占位，有点难办

    段落里有表格占位，这个很麻烦，如果有很多份操作题需要拆开，我不可能去看每套题目里面有几张表格，并做段落数累加。后续还要再研究段落数与表格在第几段上。

  • 相关阅读:
    hash 哈希表
    LaTeX中的积分符号
    MATLAB基础-MAT文件的读写操作
    Python基础篇（十二）-- 常用模块
    【面试题-Java】2022面试题干货汇总（持续更新）
    在字节跳动做了5年软件测试，12月无情被辞，想给划水的兄弟提个醒...
    算法题目中图和树的存储
    微软将JavaScript API引入 Excel
    【数据结构】优先级队列 - 堆
    住建部发话，9月15日后，全面禁止使用这9项施工工艺、设备和材料
  • 原文地址：https://blog.csdn.net/reasonsummer/article/details/136331041