• 【办公类-21-05】20240227单个word按“段落数”拆分多个Word（成果汇编 只有段落文字 1拆5）

    作品展示

    背景需求

    前文对一套带有段落文字和表格的word进行13份拆分

    【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1拆13份）-CSDN博客文章浏览阅读293次，点赞8次，收藏3次。【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1拆13份）https://blog.csdn.net/reasonsummer/article/details/136331041现在我随便找一份docx文件（全部都是段落文字，没有表格），

    试试没表格干扰，是否直接读取段落就可以将加粗部分的文字另存多份

    素材准备：

    有几个加粗标题（不能是一级标题这种，一定清除格式，加粗）

    错误的

    1. # https://blog.csdn.net/lau_jw/article/details/114383781
    2.  
    3. '''成果汇编word题目拆分成多个表格（根据标题(加粗）所在行数拆分-没有表格，只有段落文字）
    4. 作者：阿夏
    5. 时间：2024年2月27日
    6. '''
    7.  
    8. from docx import Document
    9. from openpyxl import load_workbook
    10. import glob
    11. import re,os
    12.  
    13. print('----1、word数据清洗------')
    14. a='成果汇编'
    15.  
    16. path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
    17. file=path + r'\{}.docx'.format(a)  # 必须是docx
    18. print(file)
    19. # C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\电子屏安全管理制度（样本）2.docx
    20.  
    21.  
    22.  # 提取四个加粗标题所在的行数    # 参考https://www.shouxicto.com/article/96876.html
    23. doc= Document(file)
    24.   
    25. # 遍历每个段落并判断是否为空白行,如果有空白行，就删除
    26. for paragraph in doc.paragraphs:
    27.     if not paragraph.text.strip():
    28.         # 如果是空白行则将其从文档中移除
    29.         p = paragraph._element
    30.         p.getparent().remove(p)     
    31.  
    32.  
    33. doc.save(path + r'\{}（去掉回车）.docx'.format(a))
    34.  
    35.  
    36.  
    37. print('----2、读取word里面标题加粗段落的行数------')
    38.  
    39. filename=path + r'\{}（去掉回车）.docx'.format(a)
    40.  
    41.     # 打开Word文档
    42. doc = Document(filename)
    43.  
    44. d=len(doc.paragraphs)
    45. print(d)
    46. # docx没有去掉空行前，一共有258段文字
    47. # docx去掉空行后，一共有244段文字
    48.  
    49.  
    50. h=[]
    51. s=[]
    52. # 遍历文档中的段落
    53. for i, paragraph in enumerate(doc.paragraphs):
    54.     if paragraph.runs:
    55.         # 检查段落中的所有运行对象
    56.         for run in paragraph.runs:
    57.             if run.bold:
    58.                 # 如果运行对象的文字为加粗，则打印段落索引
    59.                 # print("段落", i, "的文字被加粗了")
    60.                 h.append(i)
    61.                 # 提取每一份的加粗标题
    62.                 t=doc.paragraphs[i].text                
    63.                 # print(t)
    64.                 s.append(t)
    65. s=list(set(s))
    66. s.sort()
    67. # print(s)
    68. # ['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
    69. # 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
    70. # 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 
    71. # 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
    72. # print(len(s))
    73. # 13
    74.  
    75. h=list(set(h))
    76. h.sort()
    77. j=h[1:]
    78. j.append(d)
    79.  
    80. print(h)
    81. print(len(h))
    82. print(j)
    83. print(len(j))
    84. # # 去掉空行前
    85. # # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
    86. # # 13
    87. # # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
    88. # # 13
    89. # # 去掉空行后
    90. # # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
    91. # # 13
    92. # # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]
    93.  
    94.  
    95. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    96. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    97. # 13张表格里面分别有几个表格
    98.  
    99. # bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
    100.  
    101. # # 第一张表是原来的段落数，所以就是0
    102. # bg.insert(0,0)
    103. # # print(bg)
    104.  
    105. # # 数字累加
    106. # o = []
    107. # sum = 0
    108. # for num in bg:
    109. #     sum += num
    110. #     o.append(sum)
    111. # print(o)
    112. # # [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
    113. # # # # 没有空行的内容
    114.  
    115.  
    116. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    117. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    118. # 13张表格里面分别有几个表格
    119.  
    120. imagePath1=path+r'\{}拆分'.format(a)
    121. if not os.path.exists(imagePath1):  # 判断存放图片的文件夹是否存在
    122.     os.makedirs(imagePath1)  # 若图片文件夹不存在就创建
    123.  
    124.  
    125.  
    126. # for  x in range(len(s)):
    127.     # 获取第一页的段落和表格
    128. # a=int(j[x]+o[x])
    129. for x in range(len(s)):
    130.     doc = Document(filename)
    131.     first_page_paragraphs = []
    132.     first_page_tables = []
    133.     for element in doc.element.body:
    134.         if element.tag.endswith(('}p', '}tbl')):
    135.             
    136.             if element.getparent().index(element) >int(j[x]) :
    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]):
    143.             # if element.getparent().index(element)
    144.                 if element.tag.endswith('p'):
    145.                     first_page_paragraphs.append(element)
    146.                 else:
    147.                     first_page_tables.append(element)
    148.         # print(int(j[x]+o[x]))
    149.         # print(int(h[x]+o[x]))
    150.         
    151.  
    152.     # 删除第一页的段落和表格
    153.     for paragraph in first_page_paragraphs:
    154.         p = paragraph.getparent()
    155.         p.remove(paragraph)
    156.         
    157.  
    158.     for table in first_page_tables:
    159.         t = table.getparent()
    160.         t.remove(table)
    161.  
    162.     # # 保存修改后的文档为新文件
    163.     # doc.save(path+r'01.docx')
    164.     doc.save(imagePath1+r'\{} {}.docx'.format('%02d'%x,s[x]))
    165.  
    166.  
    167.  
    168.  
    169.  
    170.

    结果显示及调整

    1、结果显示题目与数字顺序不符合

    1、解决思路

    2、内容多一行

    2、解决思路

    正确代码全部

    1. # https://blog.csdn.net/lau_jw/article/details/114383781
    2.  
    3. '''成果汇编word题目拆分成多个表格（根据标题(加粗）所在行数拆分-没有表格，只有段落文字）
    4. 作者：阿夏
    5. 时间：2024年2月27日
    6. '''
    7.  
    8. from docx import Document
    9. from openpyxl import load_workbook
    10. import glob
    11. import re,os
    12.  
    13. print('----1、word数据清洗------')
    14. a='成果汇编'
    15.  
    16. path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
    17. file=path + r'\{}.docx'.format(a)  # 必须是docx
    18. print(file)
    19. # C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\电子屏安全管理制度（样本）2.docx
    20.  
    21.  
    22.  # 提取四个加粗标题所在的行数    # 参考https://www.shouxicto.com/article/96876.html
    23. doc= Document(file)
    24.   
    25. # 遍历每个段落并判断是否为空白行,如果有空白行，就删除
    26. for paragraph in doc.paragraphs:
    27.     if not paragraph.text.strip():
    28.         # 如果是空白行则将其从文档中移除
    29.         p = paragraph._element
    30.         p.getparent().remove(p)     
    31.  
    32.  
    33. doc.save(path + r'\{}（去掉回车）.docx'.format(a))
    34.  
    35.  
    36.  
    37. print('----2、读取word里面标题加粗段落的行数------')
    38.  
    39. filename=path + r'\{}（去掉回车）.docx'.format(a)
    40.  
    41.     # 打开Word文档
    42. doc = Document(filename)
    43.  
    44. d=len(doc.paragraphs)
    45. print(d)
    46. # docx没有去掉空行前，一共有258段文字
    47. # docx去掉空行后，一共有244段文字
    48.  
    49.  
    50. h=[]
    51. s=[]
    52. n=1
    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.                 b=str('%02d'%n)+t
    66.                 s.append(b)
    67.                 # 没有按照顺序排列
    68.                 # ['一、案例汇编对象', '三、案例提炼流程', '二、案例提炼要求', '四、相关事宜', '活动背景']
    69.                 # 所以加了一个数字序号
    70.                 # ['01活动背景', '02一、案例汇编对象', '03二、案例提炼要求', '04三、案例提炼流程', '05四、相关事宜']
    71.                 n+=1
    72. s=list(set(s))
    73. s.sort()
    74. print(s)
    75. # ['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
    76. # 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
    77. # 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 
    78. # 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
    79. # print(len(s))
    80. # 13
    81.  
    82. h=list(set(h))
    83. h.sort()
    84. j=h[1:]
    85. j.append(d)
    86.  
    87. print(h)
    88. print(len(h))
    89. print(j)
    90. print(len(j))
    91. # # 去掉空行前
    92. # # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
    93. # # 13
    94. # # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
    95. # # 13
    96. # # 去掉空行后
    97. # # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
    98. # # 13
    99. # # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]
    100.  
    101.  
    102. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    103. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    104. # 13张表格里面分别有几个表格
    105.  
    106. # bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
    107.  
    108. # # 第一张表是原来的段落数，所以就是0
    109. # bg.insert(0,0)
    110. # # print(bg)
    111.  
    112. # # 数字累加
    113. # o = []
    114. # sum = 0
    115. # for num in bg:
    116. #     sum += num
    117. #     o.append(sum)
    118. # print(o)
    119. # # [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
    120. # # # # 没有空行的内容
    121.  
    122.  
    123. print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
    124. # 拆分docx（读取加粗的行，这些行还要加上表格的行数）
    125. # 13张表格里面分别有几个表格
    126.  
    127. imagePath1=path+r'\{}拆分'.format(a)
    128. if not os.path.exists(imagePath1):  # 判断存放图片的文件夹是否存在
    129.     os.makedirs(imagePath1)  # 若图片文件夹不存在就创建
    130.  
    131.  
    132.  
    133. # for  x in range(len(s)):
    134.     # 获取第一页的段落和表格
    135. # a=int(j[x]+o[x])
    136. for x in range(len(s)):
    137.     doc = Document(filename)
    138.     first_page_paragraphs = []
    139.     first_page_tables = []
    140.     for element in doc.element.body:
    141.         if element.tag.endswith(('}p', '}tbl')):
    142.             
    143.             if element.getparent().index(element) >=int(j[x]) :
    144.             # if element.getparent().index(element) >int(j[x]+o[x]) :
    145.                 if element.tag.endswith('p'):
    146.                     first_page_paragraphs.append(element)
    147.                 else:
    148.                     first_page_tables.append(element)
    149.             if element.getparent().index(element)<int(h[x]):
    150.             # if element.getparent().index(element)
    151.                 if element.tag.endswith('p'):
    152.                     first_page_paragraphs.append(element)
    153.                 else:
    154.                     first_page_tables.append(element)
    155.         # print(int(j[x]+o[x]))
    156.         # print(int(h[x]+o[x]))
    157.         
    158.  
    159.     # 删除第一页的段落和表格
    160.     for paragraph in first_page_paragraphs:
    161.         p = paragraph.getparent()
    162.         p.remove(paragraph)
    163.         
    164.  
    165.     for table in first_page_tables:
    166.         t = table.getparent()
    167.         t.remove(table)
    168.  
    169.     # # 保存修改后的文档为新文件
    170.     # doc.save(path+r'01.docx')
    171.     doc.save(imagePath1+r'\{}.docx'.format(s[x]))
    172.  
    173.  
    174.  
    175.  
    176.  
    177.

  • 相关阅读:
    Linux C语言开发-D6变量
    JavaScript 继承 - ES6的class继承用ES5如何实现？
    拒绝内卷：利用4P营销理论打造汇报PPT
    【面试八股】IP协议八股
    asp.net core、c#关于路径的总结
    POSTGRESQL 一个“大” SQL 的优化历险记
    mysql8其它新特性
    springBoot中集成Swagger
    Kafka服务端高性能技术细节原理：基于零拷贝的mmap和sendfile
    面向对象编程(高级部分)——代码块
  • 原文地址：https://blog.csdn.net/reasonsummer/article/details/136332801