在 Python 中,可以使用 python-docx 库来读取 docx 文件。首先,需要安装这个库:
pipinstall python-docx
然后,可以使用如下的代码来读取 docx 文件中的文本:
import docx# 打开文件
document = docx.Document('filename.docx')
# 遍历文件中的所有段落
for para in document.paragraphs:
# 获取段落中的文本
text = para.text
# 在这里,你可以使用你喜欢的方式来查找关键词并提取句子
在上面的代码中,每个段落都会被当作一个独立的字符串进行处理。如果你希望按照句子来处理,可以使用如下的代码:
import docx
import re
# 打开文件
document = docx.Document('filename.docx')
# 遍历文件中的所有段落
for para in document.paragraphs:
# 使用正则表达式来分割段落中的句子
sentences = re.split(r'(?<=[^A-Z].[.?]) +(?=[A-Z])', para.text)
# 对于每个句子,在这里你可以使用你喜欢的方式来查找关键词并提取句子
for sentence in sentences:
# 在这里处理句子
pass
上面的代码使用了正则表达式来分割段落中的句子。这个正则表达式可以在大多数情况下正常工作,但是不能保证对所有情况都能正常工作。如果你需要更加准确