python 程序抽取word文档题目和答案

2024-10-29  本文已影响0人  孙庚辛

将word文档中的题目和答案抽取出来,放入表格中。其中答案是高亮显示的。

import pandas as pd
from docx import Document
import re

# 读取 docx 文件
def read_docx(file_path):
    document = Document(file_path)
    questions = []
    answers = []
    
    # 正则表达式匹配题号,支持一位或多位数字后跟一个点(全角或半角),以及可选的空格
    question_pattern = re.compile(r'^\d+[\.\.]\s*')
    
    for para in document.paragraphs:
        text = para.text.strip()
        if not text:  # 跳过空段落
            continue
            
        # 检查是否是新题目
        if question_pattern.match(text):
            # 添加新题目
            questions.append(text)
            answers.append([])  # 为新题目创建答案列表
            
            # 检查题目段落中是否包含答案(高亮文本)
            highlighted_text = []
            for run in para.runs:
                if run.font.highlight_color:
                    highlighted_text.append(run.text.strip())
            if highlighted_text:
                answers[-1].extend([t for t in highlighted_text if t])
        else:
            # 非题目段落,检查是否包含答案(高亮文本)
            highlighted_text = []
            for run in para.runs:
                if run.font.highlight_color:
                    highlighted_text.append(run.text.strip())
            if highlighted_text and answers:  # 确保有题目存在
                answers[-1].extend([t for t in highlighted_text if t])

    # 清理空答案
    answers = [[ans for ans in answer_list if ans] for answer_list in answers]
    
    return questions, answers

# 将数据转换为 DataFrame
def create_dataframe(questions, answers):
    data = {
        "问题": questions
    }
    
    # 处理答案,将它们放到不同的列中
    max_answers = max(len(ans) for ans in answers)
    
    for i in range(max_answers):
        data[f"答案{i+1}"] = [ans[i] if i < len(ans) else None for ans in answers]

    df = pd.DataFrame(data)
    return df

# 主函数
def main():
    file_path = '华为认证HCIP-AI测试卷+答案.docx'  # 请替换为你的文件路径
    #file_path = 'HCIPtest.docx'  # 请替换为你的文件路径
    questions, answers = read_docx(file_path)
    df = create_dataframe(questions, answers)

    # 保存为 Excel 文件
    output_file = 'questions_and_answers.xlsx'
    df.to_excel(output_file, index=False)

    print(f"表格已保存为 {output_file}")

if __name__ == "__main__":
    main()
上一篇 下一篇

猜你喜欢

热点阅读