2020-08-03

Python利用标题规则抽取文档段落

目的：想实现单文档的自动文摘，来源是word文件，有很多页，为了让自动摘要的关键句子更加准确，打算将篇章级转为段落级。
条件：word文档有编制模板，这样就可以基于标题规则去进行特定段落抽取。
核心：其实就是利用特定字符串进行简单的正则表达式匹配。
步骤：1.Python解析文档标题结构，输出全部标题，可为规则制定者提供信息参考；2.将word文档转化成TXT格式文本后，将标题作为字符串输入，正则表达式匹配，然后取到标题之间的内容。3.将内容写到新的TXT文本里，再做自动文摘，这样得到的句子就准确很多啦。