小学生作文数据集处理（合并doc为txt）

1、源数据集介绍

找到的数据集都是doc格式，为了方便变成处理，将数据集进行合并，并处理为txt格式，在合并的过程中，只保留作文的正文部分，比如：作文标题、评语、作者、指导教师等相关信息都删除。
在原来的doc格式中存在大量的空格，不规则字符等 ，也需要一一删除，比如空白框，？？？等：

需要整合的数据集如下:

2、数据集整理

将以上作文数据整合为两个txt，一个低年级.txt，和一个高年级.txt，其中衡量标准是，日记等相对表达简单的作文归为低年级ÿ